这个项目受到alpha go zero的启发，旨在训练一个中等人类水平或高于中等人类水平的深度神经网络，来完成下中国象棋的任务

本文首先介绍了AlphaZero框架中三个核心技术: 深度学习、 强化学习以及蒙特卡罗树搜索, 然后详细说明了AlphaZero框架两个关键阶段——AlphaGo和AlphaGo Zero的基本原理, 最后, 对AlphaZero框架提出了自己的思考, 并基于对AlphaZero原理的剖析讨论了其对军事决策智能化的启示。

DNN国际象棋AI 设计原理 该项目围绕着由神经网络驱动的国际象棋AI，其设计受到的国际象棋引擎的严重影响。 AlphaZero使用了类似的方法以及和来创建强大的国际象棋AI。 尽管这些项目共享许多设计原则，但我的项目在实现上与AlphaZero在很多方面都有很大不同。 首先，我的实现使用的是，，而不是Deepmind使用的深度卷积神经网络。 实施更基本的网络的原因是由于这样的事实，即更复杂，更主流的网络结构（例如和只是经过修改的前馈网络，具有更多的连接或预处理元素（例如卷积核）。 结果，该项目将研究更基本的网络结构，然后可以将其理解和设计扩展到更复杂的网络。 待办事项：目前正在计划其他网络实现（特别是CNN）和训练算法（例如和 ）。 我也希望探索一些我在找到的有趣的想法，该想法探讨了如何强化学习问题，例如训练这种国际象棋AI，以利用监督学习中更可靠的训练方法。 此外，不是使用这样的

此次资源为期末Tensorflow实战项目，实现了基本的人机对战、机机对战、有10*10-4*4规格，其中样本已经训练好，但是并不是很智能，大家可以自己训练。代码完整可运行，使用pycharm进行编写的

这是一个已经实现了的15*15的五子棋（有禁手）AI，拥有强大的对局能力，并上传源码