MCTS-Gomoku-agent:使用蒙特卡洛树搜索（MCTS）的AI Gomoku代理
2021-11-09 22:40:13
7KB
1
针对本文给出的基金资产配置策略问题，本文建立了均值-方差模型，蒙特卡罗模拟方法以及遗传算法的资产配资投资效益优化模型，对企业购买股票以及合理进行资金的配置具有一定的指导作用。
2021-11-04 20:10:00
711KB
1
临时制TSP
这是使用蒙特卡洛树搜索（MCTS）解决旅行商问题（TSP）的源代码。
纸
如果您想了解更多详细信息，请参阅我们的论文“通过蒙特卡罗树搜索TSP的扩大邻域目标抽样” 。
依存关系
gcc> = 4.8.5
计算平台：Linux
快速开始
为了使用MCTS解决具有20个节点的TSP实例：
cd $download -dir
cd TSP-20-50-100
bash solve-20.sh 32
用法
数据集
我们的模型分别在两个数据集TSP-20-50-100和TSPLib上进行了测试，可从以下网站下载该数据集：
多线程
如果更快地解决TSP实例，则可以充分利用CPU。 默认情况下，我们基于32个线程来处理它们：
cd $download -dir
cd TSP-20-50-100
bash solve-20.sh 32
顺便说一下，我们的多线程方案仅适用于TSP-2
2021-08-28 17:50:32
32.8MB
1
现阶段网络上的五子棋游戏主要是剪枝法或者人工标注，这样导致了机器落子具有了局限性，遇到全新的棋形时无法正确落子。基于上面五子棋游戏的漏洞，本文设计一学习型五子棋博弈算法，算法通过深度学习和蒙特卡洛树搜索算法打破既定规则，提高了机器在下棋时的多变性。该软件使用的神经网络将我方落子、敌方落子、当前落子位置以及当前落子玩家，四个矩阵作为输入数据，加强了网络提取特征的速度和拟合效率，并获取每个点的概率值。在蒙特卡洛树搜索算法中使用了快速落子方式，即标注出多个关键点的价值，使得在模拟时，不需要在无胜算的地方随机落子，通过这种方法可以提高落子效率。该算法经过一定规模的训练达到了较好的博弈水平。本软件优点在于，通过使用蒙特卡洛树搜索算法让计算机可以不再依靠人类创造的落子策略，使用深度学习可以加快运算出蒙特卡洛概率值，提高整体游戏落子速度。该算法建立在深度学习的相关知识和计算机博弈的相关知识基础上，实现了基于深度学习与蒙特卡洛树搜索的五子棋博弈算法，并设计出卷积网络接口net。
2021-04-05 22:57:23
61.89MB
1
本文为《Monte Carlo modeling of light transport in multi-layered tissues in standard C》翻译，主要介绍Lihong Wang等人于1995编写的MCML程序，研究组织光学中的蒙特卡洛仿真。另外还有源码、python重写多线程、matlab仿真源码等内容
2021-03-01 20:38:10
62.51MB
1