[发明专利]爱恩斯坦棋中基于RBF神经网络的自学习估值方法

摘要

本发明公开了一种爱恩斯坦棋中基于RBF神经网络的自学习估值方法，将RBF神经网络运用到估值方法中，借助RBF神经网络的MRAN学习规则，对棋盘的特征进行聚类并逐渐调整参数，获得棋盘的盘面估值。本发明将RBF神经网络作为爱恩斯坦棋的估值函数，使爱恩斯坦棋系统具有在线学习能力，会自主学习爱恩斯坦棋中的模式和权值参数，解决了目前爱恩斯坦棋估值函数的知识表示不全面的问题和人工调参的繁琐，提高了估值函数的精确度。

主权项

一种爱恩斯坦棋中基于RBF神经网络的自学习估值方法，其特征在于包括以下步骤：(1)设置学习标识，学习标识为真时，创建RBF神经网络，使用UCT算法进行机‑机对局，采集完整对局过程，扫描对局过程中的所有棋盘，提取每个棋盘上的棋子特征，将棋子特征相连成棋子特征向量，令特征向量和对应的胜率作为RBF神经网络的输入向量和标签值，送入RBF神经网络的MRAN在线学习规则进行学习，存储学习后的RBF神经网络；(2)若学习标识为假或RBF神经网络学习满足停止条件，退出自学习过程，读取已存储的RBF神经网络，对于当前输入的棋盘，提取棋盘上所有棋子的棋子特征，并相连成棋盘特征向量，将输入棋盘特征向量作为输入向量送入RBF神经网络的输入层节点，RBF神经网络对输入向量进行前向计算；神经网络的输出值作为当前输入棋盘的盘面估值。