主要使用算法： maxmin 极大极小值搜索 alphabeta 剪枝算法( 与阿尔法围棋 AlphaGo 一样的算法 )，可进行 AI 人机对决。
注：使用AI算法比较复杂，1500+的代码计算起来会很慢。使用turbowarp编译可以大幅度提升速度（大约快15倍左右）!
操作：【Q】查看日志，【R】开外挂( 作弊按键 )。
此后仍有作品或有趣游戏，请关注原作者，且点赞加收藏，记得推荐好友。下载即可游玩，快来下载吧！
2023-04-26 20:26:04
4.19MB
1
代码参考自中国大学mooc上人工智能与信息社会陈斌老师的算法，我在原来的基础上增加了玩家输入的异常捕获
AlphaBeta剪枝算法是对Minimax方法的优化，能够极大提高搜索树的效率，如果对这个算法感兴趣的可以去参考相关资料。
2022-12-23 15:22:05
5KB
1
对于基于回溯法解决的TSP问题可以由下图简单说明：一条边代表了选择的下一个城市，可以看到问题的本质是对解空间树的遍历搜索，找到一条这样的路径：从根结点到某一叶节
2022-12-13 21:13:03
153KB
1
python实现采用Alpha-Beta剪枝搜索实现黑白棋AI源码（人工智能期末作业）.zip
黑白棋
实验要求：
使用 『最小最大搜索』、『Alpha-Beta 剪枝搜索』 或 『蒙特卡洛树搜索算法』 实现 miniAlphaGo for Reversi（三种算法择一即可）。
使用 Python 语言。
算法部分需要自己实现，不要使用现成的包、工具或者接口。
Result：
实现 AIPlayer 类，采用 Alpha-Beta 剪枝搜索实现黑白棋 AI
2022-12-13 20:28:05
10KB
通过jueceshu.py建立一棵决策树，再通过main.py从17个样本中每次随机抽取11个样本建立1棵决策树，一共建立3个决策树，再统计每棵决策树的预测结果，选取出现结果最多的类别为最终结果。参考了一些博客，但是他们的预测函数有点问题，不能采用自己的数据集，于是我改进了一下，条件是：预测样本必须满足样本集包括的前6个特征。也可不以西瓜为数据集。
2022-12-09 16:27:50
7KB
1
运行顺序：
1. 原始训练，得到一个最优mAP等评价指标
2.通过调整BN稀疏值sr，运行train_sparity.py稀疏训练得到一个稍微小的模型
3. 将训练好的last.pt 放到prune.py 中进行剪枝，控制剪枝率；
4. Finetune得到最优模型
2022-10-28 17:05:22
94.82MB