论文部分内容阅读
围棋博弈是人工智能的高度体现,现代人工智能已将它作为重要的研究对象,在计算机围棋的研究当中,模式识别始终是计算机一大缺陷,围棋就是一个高度模式识别的游戏,现在最好的计算机围棋程序只有业余9~10级的水平,因为围棋游戏的数学特性,假如没有革命性的算法突破,即使处理器的速度增加上亿倍,也不能达到职业棋手的水平。在计算机围棋程序中,建立模式数据库的目的是为了促进搜索过程。由于传统的计算机围棋程序中每个模式只进行一步的匹配,从而导致模式匹配与着法选择之间存在着漏洞,在参照了大量关于计算机围棋模式匹配文献上,对开局的定式模式使用了对局树格式的模式后着匹配方法。使得计算机在定式阶段,既能够走出不会太吃亏的下法,又能够提高对定式模式匹配的速度。与传统的对每个模式进行简单的逐一的扫描方法不同,在此,尝试使用一种对模式快速搜索的方法,该方法把所有的模式合并到一个DFA结构中,并通过对这个DFA结构使用索引的搜索方法进行搜索,从而大大减少了对模式数据库的搜索的时间。最后结合了开源围棋源码项目Gnugo的着法选择等其他的外部引擎,使得围棋程序的匹配速度变得更快。论文最后对论文本身做了总结,阐述了论文的工作,并指出进一步研究的方向。