书籍详情
PC游戏编程（人机搏弈）
作者：王小春编著
出版社：重庆大学出版社
出版时间：2002-06-01
ISBN：9787562426448
定价：¥38.00
购买这本书可以去
内容简介
本书是一本专论机器搏奔的作品。详细披露了编写人机对奔程序的原理，技术和各种相关内容。包含一个完整的中国象棋人机对奔程序和一个完整的五子棋人机对奔程序实例。毫无保留的展示了估值核心，走法产生，以及约十种不同的搜索引擎，彻底解析了高性能博奔程序的秘密所在。实用性是本书的最大特点，本书的目标是让一个粗通程序设计的人在一个月内写出令人惊讶的人机博奔程序。完全没有一般人工智能书籍晦涩难懂的感觉。
作者简介
暂缺《PC游戏编程（人机搏弈）》作者简介
目录
第一章 引言
1.1 人机博奕的要点
1.2 棋盘表示（Board Representations）
1.3 走法产生（Move Generation）
1.4 搜索技术（Search Techniques）
1.5 估值（Evaluation）
1.6 本书的布局
1.7 其他话题
1.8 关于范例程序
第二章 棋盘表示
2.1 基本表示方法
2.2 比特棋盘（Bit Boards）
第三章 走法产生
3.1 如何产生
3.2 效率问题
3.3 逐个产生VS全部产生
3.4 内存的使用
第四章 基本搜索技术
4.1 博弈树
4.2 极大极小值算法（Minimax Algorithm）
4.3 深度优先搜索（Depth First Search）
4.4 负极大值算法（Negamax Algorithm）
第五章 估值基础
5.1 棋子的价值评估
5.2 棋子的灵活性与棋盘控制
5.3 棋子关系的评估
5.4 与搜索算法配合
第六章 实例研究
6.1 数据表示
6.2 走法产生器
6.3 搜索引擎
6.4 估值核心
6.5 操作界面
6.6 试用
第七章 搜索算法的改进
7.1 Alpha-Beta搜索
范例程序
7.2 Fail-soft alpha-beta
范例程序
7.3 渴望搜索（Aspiration Search）
范例程序
7.4 极小窗口搜索（Minimal Window Search/PVS）
范例程序
7.5 置换表（Transposition Table）
7.6 哈希表（Hash Tabe）
应用置换表的其他问题
7.7 Zobrist哈希技术
范例程序
7.8 迭代深化（Itera tive Deepening）
范例程序
7.9 历史启发（The History Heuristic）
范例程序
7.10 杀手启发（Killer Heuristic）
7.11 SSS*/DUAL*算法
7.12 SSS*与Alpha-Beta
7.13 MTD（f）算法
范例程序
7.14 综合运用
第八章 估值核心的优化
8.1 估值函数的速度
8.2 估值函数与博弈性能
8.3 估值函数的内容及其调试
第九章 其他重要的话题
9.1 水平效应（Horizon Effect）
9.1.1 静止期搜索（Quiescence Search）
9.1.2 扩展搜索（Search Extensions）
9.2 开局库（Opening Book）
9.3 残局库（Endgame Database）
9.4 循环探测（Repetition Detection）
9.5 代码的优化（Code Optimization）
9.5.1 优化的阶段及地方
9.5.2 函数调用的时间开销
9.5.3 查表代替计算
9.5.4 交叉递归
9.5.5 内存管理的时间开销
9.6 其他方法
9.6.1 轻视因子（Contempt Factor）
9.6.2 机器学习（Machine Learning）
9.6.3 并行搜索
9.6.4 围棋
第十章 五子棋对拜的程序实例
10.1 概述
10.2 数据表示
10.3 走法产生器
10.4 搜索引擎
10.5 估值核心
10.6 操作界面
10.7 试用
附录 术语表
第一章 引言
1.1 人机博奕的要点
1.2 棋盘表示（Board Representations）
1.3 走法产生（Move Generation）
1.4 搜索技术（Search Techniques）
1.5 估值（Evaluation）
1.6 本书的布局
1.7 其他话题
1.8 关于范例程序
第二章 棋盘表示
2.1 基本表示方法
2.2 比特棋盘（Bit Boards）
第三章 走法产生
3.1 如何产生
3.2 效率问题
3.3 逐个产生VS全部产生
3.4 内存的使用
第四章 基本搜索技术
4.1 博弈树
4.2 极大极小值算法（Minimax Algorithm）
4.3 深度优先搜索（Depth First Search）
4.4 负极大值算法（Negamax Algorithm）
第五章 估值基础
5.1 棋子的价值评估
5.2 棋子的灵活性与棋盘控制
5.3 棋子关系的评估
5.4 与搜索算法配合
第六章 实例研究
6.1 数据表示
6.2 走法产生器
6.3 搜索引擎
6.4 估值核心
6.5 操作界面
6.6 试用
第七章 搜索算法的改进
7.1 Alpha-Beta搜索
范例程序
7.2 Fail-soft alpha-beta
范例程序
7.3 渴望搜索（Aspiration Search）
范例程序
7.4 极小窗口搜索（Minimal Window Search/PVS）
范例程序
7.5 置换表（Transposition Table）
7.6 哈希表（Hash Tabe）
应用置换表的其他问题
7.7 Zobrist哈希技术
范例程序
7.8 迭代深化（Itera tive Deepening）
范例程序
7.9 历史启发（The History Heuristic）
范例程序
7.10 杀手启发（Killer Heuristic）
7.11 SSS*/DUAL*算法
7.12 SSS*与Alpha-Beta
7.13 MTD（f）算法
范例程序
7.14 综合运用
第八章 估值核心的优化
8.1 估值函数的速度
8.2 估值函数与博弈性能
8.3 估值函数的内容及其调试
第九章 其他重要的话题
9.1 水平效应（Horizon Effect）
9.1.1 静止期搜索（Quiescence Search）
9.1.2 扩展搜索（Search Extensions）
9.2 开局库（Opening Book）
9.3 残局库（Endgame Database）
9.4 循环探测（Repetition Detection）
9.5 代码的优化（Code Optimization）
9.5.1 优化的阶段及地方
9.5.2 函数调用的时间开销
9.5.3 查表代替计算
9.5.4 交叉递归
9.5.5 内存管理的时间开销
9.6 其他方法
9.6.1 轻视因子（Contempt Factor）
9.6.2 机器学习（Machine Learning）
9.6.3 并行搜索
9.6.4 围棋
第十章 五子棋对拜的程序实例
10.1 概述
10.2 数据表示
10.3 走法产生器
10.4 搜索引擎
10.5 估值核心
10.6 操作界面
10.7 试用
附录 术语表
参考文献
1.1 人机博奕的要点
1.2 棋盘表示（Board Representations）
1.3 走法产生（Move Generation）
1.4 搜索技术（Search Techniques）
1.5 估值（Evaluation）
1.6 本书的布局
1.7 其他话题
1.8 关于范例程序
第二章 棋盘表示
2.1 基本表示方法
2.2 比特棋盘（Bit Boards）
第三章 走法产生
3.1 如何产生
3.2 效率问题
3.3 逐个产生VS全部产生
3.4 内存的使用
第四章 基本搜索技术
4.1 博弈树
4.2 极大极小值算法（Minimax Algorithm）
4.3 深度优先搜索（Depth First Search）
4.4 负极大值算法（Negamax Algorithm）
第五章 估值基础
5.1 棋子的价值评估
5.2 棋子的灵活性与棋盘控制
5.3 棋子关系的评估
5.4 与搜索算法配合
第六章 实例研究
6.1 数据表示
6.2 走法产生器
6.3 搜索引擎
6.4 估值核心
6.5 操作界面
6.6 试用
第七章 搜索算法的改进
7.1 Alpha-Beta搜索
范例程序
7.2 Fail-soft alpha-beta
范例程序
7.3 渴望搜索（Aspiration Search）
范例程序
7.4 极小窗口搜索（Minimal Window Search/PVS）
范例程序
7.5 置换表（Transposition Table）
7.6 哈希表（Hash Tabe）
应用置换表的其他问题
7.7 Zobrist哈希技术
范例程序
7.8 迭代深化（Itera tive Deepening）
范例程序
7.9 历史启发（The History Heuristic）
范例程序
7.10 杀手启发（Killer Heuristic）
7.11 SSS*/DUAL*算法
7.12 SSS*与Alpha-Beta
7.13 MTD（f）算法
范例程序
7.14 综合运用
第八章 估值核心的优化
8.1 估值函数的速度
8.2 估值函数与博弈性能
8.3 估值函数的内容及其调试
第九章 其他重要的话题
9.1 水平效应（Horizon Effect）
9.1.1 静止期搜索（Quiescence Search）
9.1.2 扩展搜索（Search Extensions）
9.2 开局库（Opening Book）
9.3 残局库（Endgame Database）
9.4 循环探测（Repetition Detection）
9.5 代码的优化（Code Optimization）
9.5.1 优化的阶段及地方
9.5.2 函数调用的时间开销
9.5.3 查表代替计算
9.5.4 交叉递归
9.5.5 内存管理的时间开销
9.6 其他方法
9.6.1 轻视因子（Contempt Factor）
9.6.2 机器学习（Machine Learning）
9.6.3 并行搜索
9.6.4 围棋
第十章 五子棋对拜的程序实例
10.1 概述
10.2 数据表示
10.3 走法产生器
10.4 搜索引擎
10.5 估值核心
10.6 操作界面
10.7 试用
附录 术语表
第一章 引言
1.1 人机博奕的要点
1.2 棋盘表示（Board Representations）
1.3 走法产生（Move Generation）
1.4 搜索技术（Search Techniques）
1.5 估值（Evaluation）
1.6 本书的布局
1.7 其他话题
1.8 关于范例程序
第二章 棋盘表示
2.1 基本表示方法
2.2 比特棋盘（Bit Boards）
第三章 走法产生
3.1 如何产生
3.2 效率问题
3.3 逐个产生VS全部产生
3.4 内存的使用
第四章 基本搜索技术
4.1 博弈树
4.2 极大极小值算法（Minimax Algorithm）
4.3 深度优先搜索（Depth First Search）
4.4 负极大值算法（Negamax Algorithm）
第五章 估值基础
5.1 棋子的价值评估
5.2 棋子的灵活性与棋盘控制
5.3 棋子关系的评估
5.4 与搜索算法配合
第六章 实例研究
6.1 数据表示
6.2 走法产生器
6.3 搜索引擎
6.4 估值核心
6.5 操作界面
6.6 试用
第七章 搜索算法的改进
7.1 Alpha-Beta搜索
范例程序
7.2 Fail-soft alpha-beta
范例程序
7.3 渴望搜索（Aspiration Search）
范例程序
7.4 极小窗口搜索（Minimal Window Search/PVS）
范例程序
7.5 置换表（Transposition Table）
7.6 哈希表（Hash Tabe）
应用置换表的其他问题
7.7 Zobrist哈希技术
范例程序
7.8 迭代深化（Itera tive Deepening）
范例程序
7.9 历史启发（The History Heuristic）
范例程序
7.10 杀手启发（Killer Heuristic）
7.11 SSS*/DUAL*算法
7.12 SSS*与Alpha-Beta
7.13 MTD（f）算法
范例程序
7.14 综合运用
第八章 估值核心的优化
8.1 估值函数的速度
8.2 估值函数与博弈性能
8.3 估值函数的内容及其调试
第九章 其他重要的话题
9.1 水平效应（Horizon Effect）
9.1.1 静止期搜索（Quiescence Search）
9.1.2 扩展搜索（Search Extensions）
9.2 开局库（Opening Book）
9.3 残局库（Endgame Database）
9.4 循环探测（Repetition Detection）
9.5 代码的优化（Code Optimization）
9.5.1 优化的阶段及地方
9.5.2 函数调用的时间开销
9.5.3 查表代替计算
9.5.4 交叉递归
9.5.5 内存管理的时间开销
9.6 其他方法
9.6.1 轻视因子（Contempt Factor）
9.6.2 机器学习（Machine Learning）
9.6.3 并行搜索
9.6.4 围棋
第十章 五子棋对拜的程序实例
10.1 概述
10.2 数据表示
10.3 走法产生器
10.4 搜索引擎
10.5 估值核心
10.6 操作界面
10.7 试用
附录 术语表
参考文献
猜您喜欢
