[发明专利]基于UCT算法的亚马逊棋机器博弈系统

说明书

技术领域

本发明属于机器博弈棋类竞技游戏博弈水平的研究领域，特别涉及一种基于UCT算法的亚马逊棋机器博弈系统。

技术背景

1.机器博弈

机器博弈，也称计算机博弈，就是指计算机通过运行人类编写的程序，模拟人类在下棋时复杂的思维，从而让计算机像人类一样具有下棋的能力，下国际象棋，五子棋，西洋跳棋，中国象棋等等。计算机博弈作为人工智能领域一个非常重要而且极具挑战性的课题，在最开始人工智能领域的研究，正是从计算机下棋开始。早在上世纪50年代，计算机和信息论的先驱者阿兰·图灵(Alan Turing)、克劳德·香浓(Claude Shannon)等大师就都非常重视计算机博弈的研究。人类开发下棋软件就是让计算机模仿人脑进行思维。如果能够掌握下棋的本质，也就掌握了人类智能行为的核心，那些能够存在于下棋活动中的重大原则，或许就存在于其他任何需要的人类智能活动中。

2016年3月10日，一场震惊世界的围棋大战在AlphaGo与李世石之间展开并且最终AlphaGo取得了胜利，2017年1月4日，升级版的AlphaGo匿名为Master在网络上横扫了中、日、韩三国的世界顶尖围棋手后以60胜0负1平完美收官，使我们不得不重新审视计算机博弈这个可以颠覆人类认知的领域。

2.亚马逊棋简介

亚马逊棋属于两人对弈确定性的棋盘类游戏，属于零和游戏(游戏双方在游戏结束时肯定会分出胜负)，于1988年由阿根廷的Walter Zamkauskas发明。1922年西班牙的游戏杂志发布了相应的游戏规则；1993年，Michael Keller推荐进入到“kNight Of The Square Table”邮政游戏俱乐部，从此之后被逐步得到推广。2000年和2001年的国际计算机奥林匹克锦标赛都开展了亚马逊棋的比赛，亚马逊棋也由此推向全世界。亚马逊棋目前已经成为国际计算机奥林匹克锦标赛的常规比赛项目，2011年开始的全国大学生计算机博弈大赛也将其列为比赛项目，也是比赛参与者较多的项目之一。

亚马逊棋的规则比较简单，棋子下棋的规则与设置障碍的规则相同。只要理解下棋的规则，障碍设置的规则就迎刃而解。具体规则如下：

(1)在10*10的棋盘上红方(或白方)在A4、D1、G1和J4位置上摆放白方的四个皇后，蓝方(或黑方)在A7、D10、G10和J7位置上摆放四个皇后。

(2)皇后可下棋的位置与国际象棋皇后下法的规则相同。

(3)由红方(或白方)开始游戏，每轮下棋由两步组成：

①移动摆放皇后位置，规则和国际象棋皇后走棋的规则相同；

②落子后以当前皇后的位置为基点设置障碍，障碍摆放点的位置和皇后可摆放点的位置相同(即两者使用的规则相同)。

(4)皇后和障碍设置的线路上不得有其他棋子或障碍。

(5)可以完成最后一步的一方为赢家。

3.亚马逊棋博弈的搜索算法

当前的亚马逊棋机器博弈系统所采用的搜索技术多为Alpha-Beta剪枝算法。棋类游戏系统通常是根据当前局面对存在的所有可能情况向下搜索，构造出一棵模拟的树状图，称之为博弈树。由于Alpha-Beta剪枝算法中的α值和β值就是当前棋盘节点的估值，所以亚马逊棋必须有一个期盼的估值函数。估值函数可以将不同的棋盘量化，通过量化后的数字来比较不同的棋盘对于博弈双方的优劣情况。亚马逊棋属于添子类游戏，在开局可行的走法就有两千多种，平均可行的走法也有80多种，形成的博弈树无疑是十分巨大的，因此使得整个博弈树的估值变得十分困难。Alpha-Beta剪枝算法必须要设计一个估值函数对整个博弈树进行估值。然而亚马逊棋走法巨大的特性导致搜索深度无法增加，在比赛时间的限制下基于当代计算机的性能最多能搜索到四至五层，胜率以及稳定性有待提高。

蒙特卡罗方法也称为统计模拟方法，是一种以概率统计理论为基础的一类非常重要的数值计算方法。概率统计方法可以解决亚马逊棋中估值设计随机性强的问题。置信上限树算法又称UCT(Upper Confidence Tree)算法是一种采用概率估值的搜索方法，是蒙特卡罗算法的发展。该方法通过对博弈树中的走法进行快速模拟，计算出UCB(Upper Confidence Bound)值，选择UCB最优的节点作为最佳走法，大大提升了亚马逊棋机器博弈系统的搜索性能。

发明内容

本发明目的是针对现有亚马逊棋博弈系统搜索算法的缺陷，提供一种基于UCT算法的亚马逊棋机器博弈系统。