[发明专利]一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型

说明书

技术领域

本发明涉及人工智能与机器博弈技术领域，具体涉及一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型以及其与大菠萝扑克的连接方法。

背景技术

当AlphaGo与Master在围棋圈大杀四方时，Libratus以绝对优势在“一对一无限注德州扑克”中战胜了人类职业玩家。纵观历史，在完全信息博弈领域里，人工智能已建树颇丰，如国际象棋的“深蓝”，围棋的“AlphaGo”等，但对于非完备信息博弈，人工智能一直处于低谷状态。而Libratus的出现无疑给人工智能界打了一针强心剂，证明AI在非完备信息博弈中还是有机会甚至能超过人类的。非完备信息博弈的应用很多，因为现实世界的情形大多类似于此，包括商业谈判，信息安全等。而对于人工智能界来说，通用人工智能(AGI)是他们一直以来的追求，其不像Libratus或者AlphaGo那样只能专注于扑克或围棋领域，通用人工智能可以解决任意一个问题。想要实现AGI就得让AI学会解决不确定性问题，而这即是非完备信息博弈。

对于目前非完备信息博弈方面的研究，国内外以德州扑克为主要热点，并不断在此领域得到突破，而作为德州扑克的一个分支——大菠萝扑克，其目前的受众范围颇广，国内外玩家很多，但关于该领域的研究少之甚少，故本次发明将重点放于此，旨在探索深度学习对于该领域是否具有可行性，而卷积神经网络实验的结果则证明深度网络确实能解决大菠萝扑克的博弈问题。

发明内容

本发明的目的是针对现有技术的不足，以及目前深度学习的研究现状和大菠萝扑克的打牌特点，提供了一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，针对性地构造一种输入结构和一种输出结构来连接卷积神经网络与扑克，以实现搭建网络学习扑克策略的目的。可为研究机器博弈技术的研究者及科研机构提供一条可行的研究方向以及一个具体的成功样本。

本发明的目的可以通过如下技术方案实现：

一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，所述卷积神经网络结构模型由输入层、隐藏层和输出层三部分组成，首先将手牌信息和牌桌信息经过数据预处理后输入卷积神经网络结构模型的输入层，经隐藏层处理后由输出层输出结果，输出结果根据数据预处理的处理规则，反向处理后输出大菠萝扑克首轮5张牌的摆放位置。

进一步地，所述数据预处理的具体过程为：将摆放好的大菠萝扑克的摆牌位置用数字代替，头道设为2，中道设为1，尾道设为0，将摆牌位置以数字表示出来后用三进制进行编码，如果5张牌都摆在尾道，则输出为00000，对应三进制编码0，即位置编码值最小的摆法，同样，其位置编码值最大的摆法为22211，对应三进制编码238，但由于大菠萝扑克的摆牌位置总共有232种摆法，使用三进制编码的最大值为238，因此需要将三进制编码中不会出现的7种摆法排除后并将后位前移，例如有个摆法的三进制编码值为81，其经过处理后变成80；所述不会出现的7种摆法为：22202、对应三进制编码236；22122、对应三进制编码233；22022、对应三进制编码224；21222、对应三进制编码215；20222、对应三进制编码188；12222、对应三进制编码161；02222、对应三进制编码80；最终生成范围为0-231的232种摆法。

进一步地，所述输入层为7个17×17的0-1矩阵，第1个矩阵存储第一张手牌的信息，第2个矩阵存储第二张手牌的信息，第3个矩阵存储第三张手牌的信息，第4个矩阵存储第四张手牌的信息，第5个矩阵存储第五张手牌的信息，第6个矩阵存储第一张手牌至第五张手牌全部信息的总和，第7个矩阵存储牌桌上敌人已亮牌的信息。

进一步地，所述隐藏层的具体结构从左至右依次为：第一层卷积层，卷积核大小为3×3，卷积核个数为32个，步数为1，激励函数为ReLU函数；第二层卷积层，卷积核大小为3×3，卷积核个数为32个，步数为1，激励函数为ReLU函数；第三层最大池化层，池化范围为2×2，即对第二层卷积层中对应的2×2范围内的4个值取最大值进入本层，步数为2；第四层卷积层，卷积核大小为3×3，卷积核个数为64个，步数为1，激励函数为ReLU函数；第五层卷积层，卷积核大小为3×3，卷积核个数为64个，步数为1，激励函数为ReLU函数；第六层最大池化层，池化范围为2×2，即对第五层卷积层中对应的2×2范围内的4个值取最大值进入本层，步数为2；第七层dropout层，拥有1024个节点，丢弃概率为50％，激励函数为ReLU函数；所述卷积层的卷积公式如下：