جداسازی مولفههای جواب بهینه در شطرنج

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,483

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_254

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

موتورهای جستجو در شطرنج(chess engines) با بهره گیری از الگوریتمهای جستجو و توابع ارزیابی قوی سعی بر جستجوی حداکثر حالات و انجام بهترین حرکت ممکن بعدی میکنند. از مهمترین اجزای تشکیل دهندهی یک موتور جستجو، تابع ارز ی ابی جهت محاسبه ی ارزش صفحه بازی میباشد. استفاده از یک تابع ارزیابی دقیق منجر به تصمیم گیری بهتر برای حرکات بعد ی و جستجو ی سر یعتر (حذف [ شاخههای اضافی درخت با کمک روشهای توسعه یافته آلفا -بتا ) [ ۴ میگردد. اهمیت تابع ارزیابی در آخر بازی به دلیل کمبودن مهره ها و حرکات مناسبتر حریف انسانی، بسیار بیشتر میباشد. در این مقاله، روش ارائه شده در [ ۱] که بهترین روش مطرح شده تا کنون برای حل مسائل آخربازی میباشد توسعه یافتهاست. سعی شده است مولفههای خروجی استفاده شده در [ ۱] تفکیک گردی ده و برا ی پیشگویی هر مولفه خروجی از یک شبکه عصبی مجزا استفاده شود . استفاده از این روش بر روی سه حالت تست(benchmark) مورد بحث در [ ۱] افزایش ۱۰ % کیفیت جواب را نشان میدهد.

نویسندگان

مهدی صمدی

بخش مهندسی و علوم کامپیوتر دانشگاه شیراز

فاطمه ترابی عصر

بخش مهندسی و علوم کامپیوتر دانشگاه شیراز

زهره عظیمی فر

بخش مهندسی و علوم کامپیوتر دانشگاه شیراز

منصور ذوالقدری جهرمی

بخش مهندسی و علوم کامپیوتر دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Samadi, M., Azimifar, Z., Zolghadri Jahromi, M., Learning: An Effective ...
  • Auton'es M., Beck A., Camacho P., Lassabe N., Luga H., ...
  • Beale R. and Jackson T. Neural Computing: An Introduction. Institute ...
  • Berliner H. Construction of evaluation function for large domains. Artificial ...
  • DeCoste D. The signifcance of kasparov vs deep blue and ...
  • Hauptman A. and Sipper M. Using genetic programming to evolve ...
  • Pearl, J.(1984). Heuristics: Intelligent Search Strategies for Computer Problem Solving. ...
  • Hyatt R. and Newborn M. Crafty goes deep. ICCA journal, ...
  • Lassabe N., Sanchez S., Luga H., and Duthen Y. Genetically ...
  • Mc Culloch W. and Pitts A. A logical calculus of ...
  • Si J. and Tang R. Trained neural network play chess ...
  • نمایش کامل مراجع