(IF rule Tree) 1文法定义与演化方式2Weight的设定3基因函式库4.PPT

五子棋棋略的演化學習法 Introduction 基本演算結構 五子棋策略搜尋樹(IF rule Tree) 1.文法定義與演化方式 2.Weight的設定 3.基因函式庫 4.Crossover 五子棋策略搜尋樹(SWITCH tree) 演化完成後的去蕪存菁 實驗數據 Introduction 利用基因演算法，建立一個能自我學習的五子棋程式 建立系統後，更改以下基因演算法的控制參數，以期找到最佳設定 ◎母體大小（Population Size） ◎交配率（Crossover Rate） ◎突變率（Mutation Rate） ◎適應度函數（Fitness fumction） 基本演算結構 棋盤資料結構：table [size] [size] 0:空位 X，＊：各代表其中一方的棋子 評估棋型表：雙方各建立一張棋型表 int computer [size] [size] [4] 0:表直線 1：表橫線 2：表左斜 3：表右斜 例如 computer[4][6][0]=2 computer[4][6][1]=1 computer[4][6][2]=2 computer[4][6][3]=-3 以上即表示在座標(4 ， 6)的點，在直方向有己方2子相連，橫方向有1己方子， 左斜方向有己方3 子相連， 右斜方向有己方2 子相連，但其末端有對方子阻擋，所以為負值。 五子棋策略搜尋樹(IF rule Tree) Definition of Functional argument： Definition of Terminal node： SET_WEIGHT : 對棋盤上的一點設定weight L1 : 探測棋盤上一點的四個方向， 存在1 個己方棋子的數目 L2 : 探測棋盤上一點的四個方向， 存在2 相鄰己方棋子的數目 L3 : 探測棋盤上一點的四個方向， 存在3 相鄰己方棋子的數目 L4 : 探測棋盤上一點的四個方向， 存在4 相鄰己方棋子的數目 L5 : 探測棋盤上一點的四個方向， 存在5 相鄰己方棋子的數目 D1 : 探測棋盤上一點的四個方向， 存在1 相鄰己方棋子的數目(末端有 對方的子阻擋) D2 : 探測棋盤上一點的四個方向， 存在2 相鄰己方棋子的數目(末端有 對方的子阻擋) D3 : 探測棋盤上一點的四個方向， 存在3 相鄰己方棋子的數目(末端有對 方的子阻擋) D4 : 探測棋盤上一點的四個方向， 存在4 相鄰己方棋子的數目(末端有 對方的子阻擋) D5 : 探測棋盤上一點的四個方向， 存在5 相鄰己方棋子的數目(末端有 對方的子阻擋) IF rule tree 演化方式： Gene node 的節構定義： class Gene { int symbolic; int type; // function or terminal Gene* child; //只有function node 才有child Gene* next; // child-next 便是其第2 個子結點 . . . . } Weight值設定： 3 維陣列構成了五子棋的基本資料骨架，之後再加入一些輔助評估的weight變數便可以處裡各種棋盤的局勢!!! 。 Integer weight[size][size] //initial all value in array to 0 for( I = 0 to size-1 ) { for( J = 0 to size-1) { for( K = 0 to 4) { switch(computer[I][J][K]) { case 1 weight[I][J]+10 case 2 weight[I][J]+15 case 3 weight[I][J]+40 case 4 weight[I][J]+20000 case -1 weight[I][J]+5 case -2 weight[I][J]+10 case -3 weight[I][J]+35 case -4 weight[I][J]+20000 基因函式庫： 利用偵測無用或多餘的sub espression避免演化後的expression 數量過大造成使用過多的記憶體用量和執行效率減低。