基于UCT算法的四子棋对战AI设计与实现 报告+源码及数据

四⼦棋实验报告

四子棋实验报告实验概述

实验原理:UCT算法代码实现

实验数据分析与优化

uct局面评估优化

uct系统调用优化uct策略进一步优化调整C的大小

版本最终选择实验总结

实验概述

1.实现了使用UCT算法的的四子棋对战AI。

2.对算法的性能进行了分析并做出对应优化。

3.最终版本采用：使用UCT算法+系统调用优化+随机优化。

4.在OJ和本地分别对给出的50个dll分别采用先、后手进行测试，OJ胜率94%，本地胜率

97%。

实验原理:UCT算法

在算法的选择上，有	剪枝和蒙特卡洛两种算法。	剪枝算法需要先给定一个对四子棋局面的评估函数，但在本次实验当中，四子棋并不是所有的地方都可以落子，因此人工给出估价函数是一个比较困难的事情。而蒙特卡洛方法采用的是多次模拟、选取胜率最大节点的方法，并不需要关于四子棋的知识。UCT算法是对蒙特卡洛方法的扩展，引入了信心上界来对局面进行评 估：