資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
6 results
Search Results
Item 蜜月橋牌程式叫牌與換牌階段的策略改進(2022) 陳玠宇; Chen, Chieh-Yu不完全資訊賽局在當前的研究中仍存在許多尚須攻克的難點，其中大量存在的可能性狀態就是一個需要克服的難關。本研究希望透過對蜜月橋牌這項遊戲的研究來加深對不完全資訊賽局的了解並找到一些方法來處理爆炸性增長的狀態的問題。蜜月橋牌是一種三階段的遊戲，在每個階段中遊戲性質都會發生變化。本研究透過蜜月橋牌特性，成功完成及時分析換牌階段單一層的殘局庫全搜索，並撰寫了全新的蜜月橋牌程式，採用了bitboard的形式來實現，這大幅提升了程式的效能，並將程式讀取殘局庫的效能提升至每秒三千萬次的搜索速度。本研究利用打牌階段的資訊來代替使用人類經驗所建立牌力表，並使用取樣搜索的方式來判斷可執行行為的好壞，以此方法來使程式操作在打牌階段脫離人類經驗，這使得程式可以做到人類經驗以外的好步，大大提升了程式在換牌階段的能力。在經過調整叫牌階段策略與換牌階段策略後蜜月橋牌程式整體的對戰能力已經有著不錯的提升，在對戰人類玩家時有著不錯的勝率，並對戰先前的程式中也能保持超過六成的勝率。Item 暗棋程式DarkCraft的設計與實作(2012) 施宣丞; Hsuan-Chen Shih電腦對局在人工智慧領域中佔有很大的份量，它主要分為完全資訊遊戲和不完全資訊遊戲兩大類，完全資訊遊戲是指所有玩家都可以掌握全部資訊的遊戲，例如：圍棋、西洋棋、象棋，不完全資訊則是各方玩家都只能掌握一部分資訊的遊戲，例如：暗棋、麻將、撲克牌遊戲，其中電腦暗棋是近年剛起步，擁有很大發展空間的不完全資訊遊戲。 一個程式的基礎是資料結構，有了好的資料結構才可以讓我們有足夠的基礎去構思出好的演算法，本研究將西洋棋最有效率的資料結構BitBoard融合到暗棋裡，讓程式能有很快的執行速度，並改良演算法強化棋力。 本研究已設計並實作了一個暗棋程式DarkCraft，在2011年於荷蘭獲得由國際電腦對局協會(International Computer Games Association)舉辦之電腦奧林匹亞(Computer Olympiad)冠軍。Item 電腦暗棋程式Observer的設計與實作(2014) 徐大開近幾年來電腦暗棋程式逐漸發展，目前已具有一定程度的棋力。暗棋程式下棋時需要考慮走子和翻子之間的選擇。如果選擇翻子，還要考慮期望值的問題。 本程式會評估各個子力的價值，並使用搜尋尋求一個好的走法，另外有時候要做特殊處理以解決一些盤面上的問題。在翻子的問題上我們除了算出期望值之外，還做了一些額外的調整。 在殘局時由於棋子可走的空間通常較大，使得搜尋時每一層會有較多的步數。當每一層的步數變多時，能搜尋的層數就下降了。如果有殘局庫，程式搜尋的過程在找到殘局庫的內容後可以馬上知道結果，以提高殘局時程式搜尋的效率。我們實作出可以有一個暗子的五子以內的殘局庫，使得程式在殘局的處理上更有方向性。 本程式在TCGA 2014的比賽中得到銅牌。希望讀者能夠從本文所使用的方法中發現一些值得參考的地方。Item 基於AlphaZero General Framework實現Breakthrough遊戲(2019) 吳天宇; Wu, Tian-Yu在現今人工智慧電腦對局領域中，多數棋類的頂尖程式，都以AlphaZero的開發框架獨占鰲頭，棋力遠超以往傳統的程式，然而此種架構中有許多研發內容並不因不同棋類的規則而有所不同，當需要研發新種類的對局程式時將會有許多重複的前置開發成本。 故本論文中以C++實作遊戲規則及搜尋樹處理，以Python與TensorFlow套件實作類神經網絡訓練，兩者結合出易讀且運行效率較高的通用型AlphaZero框架的程式，此框架能夠讓使用者只需更改遊戲規則，即可開始AlphaZero的訓練模式。相較於GitHub相關開源碼中，Surag Nair先生全部以Python語言開發的alpha-zero-general程式，在突圍棋(Breakthrough)運行上，單執行緒速度效能可提升77.8%。 此外，本論文另外實作並測試三個可能的改良方法，用於提升整體AlphaZero訓練流程的棋力。其修改點並不因不同棋類規則而有所不同，目的在於讓後續能套用至通用型AlphaZero框架的棋類也能夠受益。分別是對訓練資料進行增量的Replay方法、應用MMoE(Multi-Gate Mixture-of-Experts)類神經網路架構於AlphaZero中欲增強網路模型的預測能力，以及利用改良原版AlphaZero中如何贏得越快越好的Quick Win方法，將針對類神經網路的Label更改標記方式與蒙地卡羅樹搜尋演算法進行改良。Item 深度學習用於愛因斯坦棋研發之初步探討(2017) 曹少剛; Tsao, Shao-Kang愛因斯坦棋，是於西元2004年由德國中部耶拿(Jena)鎮的一位數學教授—Ingo Althöfer所發明的兩人骰棋類遊戲。 在5x5的棋盤中放入雙方各六個棋子，雙方必須利用擲骰子的方式，來決定當前回合可以移動的棋子編號，透過各種不同的策略，減少我方或敵方的棋子，使我方比敵方優先達成勝利條件，以獲取勝利。雖然此遊戲的遊戲盤面尺寸、棋子數目較其他棋盤遊戲小、少，但是由於融入了骰子這個不確定的要素，大大地增加此遊戲的複雜度，同時也增加了耐玩性與挑戰性。 本研究將嘗試利用蒙地卡羅演算法、卷積式類神經網路的方法，嘗試使用、尋找各種不同的特徵，將這些特徵互相搭配以形成不同的feature map，藉此訓練類神經網路各個節點的參數(權重)，期望新的方法可以達到、擁有，甚至是超越目前其他強力的愛因斯坦棋下棋程式的棋力。Item 電腦暗棋程式Dancing的設計與實作(2013) 陳昱廷; Chen,Yu-Ting暗棋，又稱盲棋，只使用中國象棋棋盤的一半(所以也叫半棋)，傳說發明者為"棋壇總司令"謝俠遜。因為要輪流翻棋走子，所以也叫"翻翻棋"。 電腦暗棋是屬於不完全資訊含機率性的棋類遊戲，不像西洋棋、中國象棋是 屬於完全資訊的棋類遊戲。如果用一般遊戲樹進行搜尋，在走棋與翻棋夾雜的情 況下，若需要對未翻棋子也要作走步搜尋，則需要對所有的未翻棋子都作假設模 擬，以求得一個接近的的結果。但並不容易準確且有效率地計算出結果。 本論文主要提出天敵、半天敵以及兵與卒數量三項策略，作為評估棋子的子力在動態設置模式下的考量因素，以達到更準確的棋子的子力之計算，並且使用選擇性展開遊戲樹以及不同的時間控制方法以提升遊戲樹搜尋速度及中盤搜尋層數提升的效果。實測結果顯示，本程式Dancing比起去年TAAI 2015 的亞軍暗棋程式 Observer（本所研究生-徐大開所研發）約有五成至六成的贏率。 我們已經分別實作出暗棋程式TsaiB8以及Dancing並且分別參與TAAI 2015、TCGA 2016、ICGA 2016的對局比賽。