[发明专利]基于AlphaGo Zero改进的国际象棋博弈方法在审
| 申请号： | 201910837810.5 | 申请日： | 2019-09-05 |
| 公开（公告）号： | CN110555517A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 郑秋梅;王璐璐;商振浩 | 申请（专利权）人： | 中国石油大学(华东) |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;A63F3/00;G06F11/36 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出基于AlphaGo Zero改进的国际象棋博弈方法，扩展了AlphaGo Zero方法在人机博弈领域的应用范围，属于机器人科技娱乐领域。其包括以下步骤：采用能有效避免梯度弥散并能够获得最优位置收敛的CNN、ResNet以及全连接层在内的混合网络结构，并使用一个训练网络同时输出策略与估值；2)采用强化学习策略，通过使用自我博弈(Self‑Play)产生的数据进行训练，解决序贯结构的数据训练规模较大的问题，在博弈过程中进行模型优化；3)神经网络训练优化模型，定义损失函数并选择相应的优化器进行向减小损失方向的迭代更新；4)网络模型评估，使用训练一段时间后的新模型与训练前的模型进行对弈，根据胜负局数获取当前模型的性能以判定是否进行模型的迭代；5)采用第三方软件进行可视化交互博弈测试与评估。 | ||
| 搜索关键词： | 博弈 神经网络训练 第三方软件 可视化交互 迭代更新 模型优化 强化学习 输出策略 数据训练 损失函数 网络结构 网络模型 训练网络 优化模型 娱乐领域 最优位置 连接层 优化器 弥散 评估 迭代 减小 国际象棋 对弈 机器人 收敛 判定 测试 应用 改进 | ||
【主权项】：
1.基于AlphaGo Zero改进的国际象棋博弈方法，其包含如下步骤：/n1)采用能有效避免梯度弥散并能够获得最优位置收敛的CNN、ResNet以及全连接层在内的混合网络结构，并使用一个训练网络同时输出策略与估值；/n2)采用强化学习策略，通过使用自我博弈(Self-Play)产生的数据进行训练，解决序贯结构的数据训练规模较大的问题，在博弈过程中进行模型优化；/n3)神经网络训练优化模型，定义损失函数并选择相应的优化器进行向减小损失方向的迭代更新；/n4)网络模型评估，使用训练一段时间后的新模型与训练前的模型进行对弈，根据胜负局数获取当前模型的性能以判定是否进行模型的迭代；/n5)采用第三方软件进行可视化交互博弈测试与评估。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学(华东)，未经中国石油大学(华东)许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910837810.5/，转载请声明来源钻瓜专利网。
