學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Subject: search.filters.subject.Go

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    圍棋詰棋教學系統之設計及研發
    (2020) 吳冠毅; Wu, Guan-Yi
    　　圍棋是一項歷史悠久且對局複雜度較高的遊戲，近年來電腦對局遊戲領域發展逐漸成熟，人工智慧逐漸克服當初認為較複雜的賽局遊戲。然而，隨著棋類遊戲達到人類難以企及的程度時，人類也發現到無法理解電腦為何這樣下棋的問題。現有的圍棋軟體絕大部分僅能提供人類形勢判斷、勝率分析、變化圖等功能，於教學部分尚有一段需要努力的空間。 　　本研究針對電腦圍棋詰棋教學系統，研發一套方法，讓電腦學習如何判斷盤面落子原因及其目的性。我們先將人類知識透過人工註記的方式，將每個盤面的每手棋標記，透過卷積神經網路技術將人類知識做學習後，再替人類標記每手棋的名稱以及其目的為何。 　　在實作上，我們蒐集1500題詰棋題目，先分析並記錄每一局詰棋的每手棋之名稱、目的性，透過監督式學習訓練神經網路。最後可利用此系統將新的詰棋棋局的棋步內容，以 SGF (Smart Game Format) 檔案反饋予使用者，藉此達到圍棋教學的效果，期望在電腦圍棋教學上貢獻棉薄之力。
  • No Thumbnail Available
    Item
    應用於電腦圍棋之蒙地卡羅樹搜尋法的新啟發式演算法
    (2011) 黃士傑; Shih-Chieh Huang
    電腦圍棋的研究開始於1970年，但圍棋程式卻從未曾被人們認為是強大的，直到2006年，當「蒙地卡羅樹搜尋」(Monte Carlo Tree Search)與「樹狀結構信賴上界法」(Upper Confidence bounds applied to Trees)出現之後，情況才開始完全不同。「蒙地卡羅樹搜尋」與「樹狀結構信賴上界法」所帶進的革命強而有力到一個地步，人們甚至開始相信，圍棋程式在10年或者20年之後，將能夠擊敗頂尖的人類棋手。 在本研究中，我們針對「蒙地卡羅樹搜尋」提出一些新的啟發式演算法，主要有兩方面的貢獻。第一個貢獻，是成功的將「模擬平衡化」(Simulation Balancing)應用到9路圍棋。「模擬平衡化」是一種用來訓練模擬的參數的演算法。Silver與Tesauro在2009年提出這個方法時，只實驗在比較小的盤面上，而我們的實驗結果首先證明了「模擬平衡化」在9路圍棋的有效性，具體方法是證明「模擬平衡化」超越了知名的監督式演算法Minorization-Maximization (MM)大約有90 Elo之多。第二個貢獻是針對19路圍棋，系統式的實驗了各種不同之時間控制的方法。實驗結果清楚的指明，聰明的時間控制方案可以大大的提高棋力。所有的實驗都是執行在我們的圍棋程式ERICA，而ERICA正是得益於這些啟發式演算法與實驗結果，成功取得了2010年電腦奧林匹亞的19路圍棋金牌。