AlphaZero算法在五子棋（又称Gobang）中的实现.zip

简介：
本资料探讨了AlphaZero算法在五子棋游戏中的应用与实现。通过自我对弈学习优化策略，展示了该算法强大的通用性及效率。 AlphaZero-五子棋是 AlphaZero 算法的一种应用实例，用于通过自我对弈训练来掌握简单的棋盘游戏五子棋（又称 Gobang 或 Five in a Row）。与围棋或国际象棋相比，五子棋要简单得多，因此我们可以专注于研究 AlphaZero 的训练方案，并在几小时内使用一台 PC 训练出一个相当不错的 AI 模型。AlphaZero 使用通用强化学习算法通过自我对弈掌握国际象棋和将棋，并且无需人类知识即可掌握围棋游戏。 对于模型的训练支持 TensorFlow 和 PyTorch，更新日期分别为 2018.2.24 和 2018.1.17。在两个训练好的 AI 模型之间进行示例对局时，每一步都要经过大约 400 次蒙特卡罗树搜索（MCTS）的演练。 使用已经训练好的 AI 模型需要 Python 版本大于等于2.7 和 Numpy 版本大于等于1.11。如果从头开始训练模型，则还需要 Theano 版本大于等于 0.7 和 Lasagne 版本大于等于 0.1，或者 PyTorch 版本大于等于 0.2.0 或 TensorFlow。 如果你使用的是 Theano 的最新版本，请按照相关问题的说明安装相应的 Lasagne 库。