人工智能导论（微课视频版）课件 第9章9.3-9.4-智能博弈

第九章智能博弈9.智能博弈2026年8月19日9.1博弈论基础9.2博弈问题的复杂度9.3智能博弈策略求解技术9.4智能博弈应用及经典案例9.3智能博弈策略求解技术

2026年8月19日经典的博弈论难以解决高复杂度的博弈问题，随着人工智能的快速发展，智能博弈应运而生。智能博弈（IntelligentGame），又称计算机博弈、机器博弈，是指利用人工智能领域的搜索和学习技术替代传统数值优化计算，来实现高复杂度博弈问题的快速求解。智能博弈的热潮由棋类游戏掀起，逐步扩展到竞技类游戏以及各类兵棋推演等应用中。著名围棋智能体AlphaGo/AlphaZero，核心思想就是采用深度学习网络与蒙特卡洛树搜索的结合。9.3智能博弈策略求解技术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)算法流程分成四步：选择(Selection)，扩展(Expansion)，模拟(Simulation)和反向传播(Backpropagation)。AlphaZero去掉了“模拟”环节，用深度网络进行动作概率和状态值（奖励）估计。9.3智能博弈策略求解技术

2026年8月19日

O方X方O方127468539

9.3智能博弈策略求解技术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)1.扩展根节点并进行评估（第一次树搜索）

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网络

9.3智能博弈策略求解技术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)2.反向传播（第一次树搜索）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由于当前节点是根节点，不需要反向传播W（节点的奖励值之和）

和Q（节点的平均奖励值），只需更新访问次数NN=0

其中，鼓励利用奖励值较高的动作鼓励探索访问次数少的动作权重平衡利用和探索的权重9.3智能博弈策略求解技术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)3.选择（第二次树搜索）：根据动作选择公式选择动作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术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)4.扩展节点并进行评估（第二次树搜索）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网络

9.3智能博弈策略求解技术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)5.反向传播（第二次树搜索）

网络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术

2026年8月19日

X方失败

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术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)7.反向传播（第三次树搜索）O方玩家选择动作9，赢得了游戏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术

2026年8月19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术

2026年8月19日蒙特卡洛树搜索(Monte-CarloTreeSearch)应用于五子棋的AlphaZero算法结果演示/initial-h/AlphaZero_Gomoku_MPI9.智能博弈2026年8月19日9.1博弈论基础9.2博弈问题的复杂度9.3智能博弈策略求解技术9.4智能博弈应用及经典案例9.4智能博弈应用及经典案例

2026年8月19日随着计算能力的大幅提升以及人工智能算法的逐渐成熟，自20世纪90年代起，涌现了众多智能博弈领域的突出成果。在棋牌类博弈方面1997年IBM公司的“深蓝（DeepBlue）”击败国际象棋大师卡斯帕罗夫；2016年，DeepMind团队推出了AlphaGo，击败了围棋世界冠军李世石；2017年卡耐基梅隆大学发布了Libratus，在两人无限制德州扑克中击败了职业选手。DeepBlue比赛现场AlphaGoLibratus子博弈问题解决思路9.4智能博弈应用及经典案例

2026年8月19日随着计算能力的大幅提升以及人工智能算法的逐渐成熟，自20世纪90年代起