理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 6 of 6
  • Item
    八層三角殺棋的勝負問題之研究
    (2009) 白聖群
      電腦棋類遊戲在人工智慧領域中是很重要的。而三角殺棋部份,自從許舜欽教授在1985年研究出七層三角殺棋結果後。三角殺棋更多層數的結果,就沒有任何相關文獻了。   在本論文中,我們使用CPU為AMD Athlon64 X2 4000+ 2.1GHz,記憶體為8G Byte的個人電腦,花費約十四個小時半的時間,證明了兩種規則的八層三角殺棋皆為先手勝。   我們除了找到八層三角殺棋的結果,也提出了一些解三角殺棋勝負時,可以加快搜尋勝負速度的方法。雖然研究過程中花費許多時間在倒推法上,但我們也研究出來所有先前求出的盤面是可以運用到之後要求解的三角殺棋。並且提出了一個管理記憶體的方式,使得在求解三角殺棋的過程中,盤面資訊狀態可以儲存,這樣就可以利用較少量記憶體來解八層三角殺棋,而不必動用到虛擬記憶體。
  • Item
    電腦象棋開局庫之改進研究
    (2008) 張修正
    電腦棋類遊戲在人工智慧領域中是很重要的。而開局庫的部份,一直較缺乏深入的研究。開局庫的建造方法有從棋書輸入、對戰結果統計或是使用中局程式來自動展開。對於這麼龐大的開局庫,其中也可能包含了一些不好的走法。傳統的作法,可能需要聘請高段的棋手,來幫我們檢視及修正,但對於許多電腦棋類的作者來說,可能無法負擔這樣的花費。 在本論文中,我們首度提出一個新的建造開局庫的構想:以市面上可以取得的棋軟為師,我們可採集他們在開局時的走步,因而建造一個更完整的開局庫。再藉由目前棋軟所擁有的搜尋引擎,配合電腦可長時間運作的特性,來調整我們的開局庫,修正其中可能隱藏的錯誤。 經由實驗,我們發現這樣的作法可提高開局庫的正確性,並且可自動化地逐步更新開局庫。
  • Item
    電腦象棋深象中局程式的設計與實作
    (2006) 黃文樟
    電腦博奕在人工智慧領域中,一直是引人關注的,在深藍打敗西洋棋棋王Karsparov之後,象棋由於複雜度與西洋棋接近,在資料結構與搜尋演算法方面與西洋棋有許多相似或共通之處,成為下一個最有可能打敗人類棋王的棋類遊戲,近年來也吸引了許多人投入研究。 本論文介紹電腦象棋程式“深象”(取得了在義大利杜林舉辦之第十一屆Computer Olympiad象棋比賽銅牌)的基本資料結構、搜尋演算法與審局函數的設計,以及對所使用的資料結構與搜尋演算法進行測試與分析,並針對提高棋力的核心-審局函數,提出我們的改進方案。 關鍵字:電腦象棋、搜尋演算法、審局函數、人工智慧。
  • Item
    電腦象棋程式Shark的設計與實作
    (2014) 劉孟謙
    電腦對局在人工智慧領域一直是一個非常吸引人的項目,而電腦象棋相關研究發展遠不及國外西洋棋來的豐富,而象棋是我國國粹,因此我們希望針對電腦象棋的領域進行深入的研究探討。本研究以網路上開源的象棋程式「象眼」為基礎,設計改良開發成象棋程式Shark,以供象棋棋手精進棋力、參與各項電腦對局競賽,並期望能與人類大師抗衡。 下棋程式的棋力與搜尋演算法、審局函數息息相關,本研究主要針對這兩項進行改良。我們以軟體工程的概念設計加強演算法的可靠性;研發新的資料結構—BitBoard大幅的增進了審局函數的效能,讓程式能搜尋得更深、且讓特殊棋型的偵測以及複雜的長捉盤面處理可以非常有效率的實現;另外增強程式對於兵卒的掌握以及使用Material Table建構更多程式對於中殘局的知識。 原始象眼估計其棋力約有六段,改良後的Shark與象眼對弈已有80%的勝率,並且於2013年12月參加TAAI電腦對局比賽獲得銅牌、經過再改良後2014年6月參加TCGA電腦對局比賽獲得銀牌,在眾多持續開發多年的象棋程式中擠進了一席之地,估計其棋力已晉升至七段。其後我們將繼續開發改良,期望能更精進棋力,向頂尖程式與人類大師看齊。
  • Item
    電腦麻將程式TaKe的設計與實作
    (2014) 沈庭瑋; Ting-Wei Shen
    近年在科技不斷進步之下,人工智慧電腦對局也不斷有新的發展與成果,越來越多新的技術被研發出來,舊有的技術也越來越成熟,但是相對於明確資訊的對局遊戲,不明確且帶有機率性的對局遊戲程式一直以來在學術上討論、探討的相關演算法較為少見,因此在這篇論文之中將會討論關於電腦麻將程式的人工智慧開發,所運用到的技術。 在本篇論文中,將會說明電腦麻將程式TaKe中所使用到的貝氏信賴網路演算法,以及人類麻將高手會使用的打牌技巧,如何來輔助電腦程式,找尋在過去麻將論文中較少提到的避免放槍機制,提供新的捨牌策略,以做到降低放槍機率。 目前該程式曾在TAAI 2013電腦對局比賽獲得銅牌,在TCGA 2014電腦對局比賽雖然獲獎未果,但是在比賽過程中該程式放槍次數是最低的,以玆證明使用的方法確實能達到期望中避免放槍的效果。在台灣十六張麻將雖然多以胡牌為最主要目的,但是在日本麻將因計分方式不同,因此未來若是有興趣開發日本麻將,或是在其他帶有機率性、不明確資訊遊戲的電腦程式開發,期望本論文能給予開發者一些啟發。
  • Item
    電腦暗棋程式Darkness的設計與實作
    (2013) 詹凱翔; CHAN Kai-Hsiang
    電腦暗棋於2010 年正式加入電腦奧林匹亞競賽,從此開始有許多團隊加入研究的行列。其共通課題皆為:走步與翻子的時機如何掌握?這個問題是相當困難的,想要完滿的解決並不容易。 我們的目的是開發出一款能夠處理翻走問題的暗棋程式,目前來說顯然這是不實際的。在折衷處理之下,本程式以速度為優先考量,同時也希望能夠具有一定水準的棋力。 暗棋程式的棋力強弱,與搜尋的深度息息相關,而搜尋的深度又受電腦硬體以及演算法限制,所以我們的核心目標就是使用各種手段為程式加速,來加強棋力。 本程式使用Alpha-beta pruning以及Bitboard,並搭配Transposition table加速,擁有高速運算的能力,能夠在大部分的局面下走出較好的走步,並在搜尋中避開大量的重複盤面來節省時間。 目前本程式已於TAAI 2012 以及TCGA 2013 分別取得銅牌,比賽中也發現仍然有可修正的部分,接下來將全力發展後續改良設計,期望能於未來的比賽取得更好的成績。