第九章智能博弈9.智能博弈2025年10月20日9.1博弈論基礎(chǔ)9.2博弈問題的復(fù)雜度9.3智能博弈策略求解技術(shù)9.4智能博弈應(yīng)用及經(jīng)典案例9.3智能博弈策略求解技術(shù)

2025年10月20日經(jīng)典的博弈論難以解決高復(fù)雜度的博弈問題，隨著人工智能的快速發(fā)展，智能博弈應(yīng)運(yùn)而生。智能博弈（IntelligentGame），又稱計(jì)算機(jī)博弈、機(jī)器博弈，是指利用人工智能領(lǐng)域的搜索和學(xué)習(xí)技術(shù)替代傳統(tǒng)數(shù)值優(yōu)化計(jì)算，來實(shí)現(xiàn)高復(fù)雜度博弈問題的快速求解。智能博弈的熱潮由棋類游戲掀起，逐步擴(kuò)展到競技類游戲以及各類兵棋推演等應(yīng)用中。著名圍棋智能體AlphaGo/AlphaZero，核心思想就是采用深度學(xué)習(xí)網(wǎng)絡(luò)與蒙特卡洛樹搜索的結(jié)合。9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)算法流程分成四步：選擇(Selection)，擴(kuò)展(Expansion)，模擬(Simulation)和反向傳播(Backpropagation)。AlphaZero去掉了“模擬”環(huán)節(jié)，用深度網(wǎng)絡(luò)進(jìn)行動(dòng)作概率和狀態(tài)值（獎(jiǎng)勵(lì)）估計(jì)。9.3智能博弈策略求解技術(shù)

2025年10月20日

O方X方O方127468539

9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)1.擴(kuò)展根節(jié)點(diǎn)并進(jìn)行評(píng)估（第一次樹搜索）

N=0W=0Q=0P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=0A=2A=7A=6A=3A=8A=9網(wǎng)絡(luò)

9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)2.反向傳播（第一次樹搜索）N=0W=0Q=0P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=1

A=2A=7A=6A=3A=8A=9由于當(dāng)前節(jié)點(diǎn)是根節(jié)點(diǎn)，不需要反向傳播W（節(jié)點(diǎn)的獎(jiǎng)勵(lì)值之和）

和Q（節(jié)點(diǎn)的平均獎(jiǎng)勵(lì)值），只需更新訪問次數(shù)NN=0

其中，鼓勵(lì)利用獎(jiǎng)勵(lì)值較高的動(dòng)作鼓勵(lì)探索訪問次數(shù)少的動(dòng)作權(quán)重平衡利用和探索的權(quán)重9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)3.選擇（第二次樹搜索）：根據(jù)動(dòng)作選擇公式選擇動(dòng)作N=0W=0Q=0P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=1

A=2A=7A=6A=3A=8A=9

9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)4.擴(kuò)展節(jié)點(diǎn)并進(jìn)行評(píng)估（第二次樹搜索）N=0W=0Q=0P=0.2N=0W=0Q=0P=0.15N=0W=0Q=0P=0.1N=0W=0Q=0P=0.25N=0W=0Q=0P=0.3N=0W=0Q=0P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=1

A=7A=6A=3A=8A=9A=3A=6A=7A=8A=9網(wǎng)絡(luò)

9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)5.反向傳播（第二次樹搜索）

網(wǎng)絡(luò)N=0W=0Q=0P=0.2N=0W=0Q=0P=0.15N=0W=0Q=0P=0.1N=0W=0Q=0P=0.25N=0W=0Q=0P=0.3N=1W=0.1Q=0.1P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=2

A=7A=6A=3A=8A=9A=3A=6A=7A=8A=9

9.3智能博弈策略求解技術(shù)

2025年10月20日

X方失敗

reward=-1N=0W=0Q=0P=0.2N=0W=0Q=0P=0.15N=0W=0Q=0P=0.1N=0W=0Q=0P=0.25N=0W=0Q=0P=0.3N=1W=0.1Q=0.1P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=2

A=7A=6A=3A=8A=9A=3A=6A=7A=8A=99.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)7.反向傳播（第三次樹搜索）O方玩家選擇動(dòng)作9，贏得了游戲N=0W=0Q=0P=0.2N=0W=0Q=0P=0.15N=1W=1Q=1P=0.3N=0W=0Q=0P=0.1N=0W=0Q=0P=0.25N=1+1=2W=0.1-1=-0.9Q=-0.9/2=-0.45P=0.4N=0W=0Q=0P=0.1N=0W=0Q=0P=0.05N=0W=0Q=0P=0.1N=0W=0Q=0P=0.15N=0W=0Q=0P=0.2N=2N=3

A=7A=6A=3A=8A=9A=3A=6A=7A=8A=9N=1W=0.1Q=0.1P=0.4

9.3智能博弈策略求解技術(shù)

2025年10月20日

N=40W=-35Q=-0.875P=0.4N=10W=-9Q=-0.9P=0.1N=5W=-5Q=-1P=0.05N=10W=-8Q=-0.8P=0.1N=15W=-10Q=-0.6P=0.15N=320W=10Q=0.03P=0.2N=400………………

A=2A=7A=6A=3A=8A=9

9.3智能博弈策略求解技術(shù)

2025年10月20日蒙特卡洛樹搜索(Monte-CarloTreeSearch)應(yīng)用于五子棋的AlphaZero算法結(jié)果演示/initial-h/AlphaZero_Gomoku_MPI9.智能博弈2025年10月20日9.1博弈論基礎(chǔ)9.2博弈問題的復(fù)雜度9.3智能博弈策略求解技術(shù)9.4智能博弈應(yīng)用及經(jīng)典案例9.4智能博弈應(yīng)用及經(jīng)典案例

2025年10月20日隨著計(jì)算能力的大幅提升以及人工智能算法的逐漸成熟，自20世紀(jì)90年代起，涌現(xiàn)了眾多智能博弈領(lǐng)域的突出成果。在棋牌類博弈方面1997年IBM公司的“深藍(lán)（DeepBlue）”擊敗國際象棋大師卡斯帕羅夫；2016年，DeepMind團(tuán)隊(duì)推出了AlphaGo，擊敗了圍棋世界冠軍李世石；2017年卡耐基梅隆大學(xué)發(fā)布了Libratus，在兩人無限制德州撲克中擊敗了職業(yè)選手。DeepBlue比賽現(xiàn)場AlphaGoLibratus子博弈問題解決思路9.4智能博弈應(yīng)用及經(jīng)典案例

2025年10月20日隨著計(jì)算能力的大幅提升以及人工智能算法的逐漸成熟，自20世紀(jì)90年代