1. 研究目的与意义（文献综述）

1.1 选题意义及背景

学习是人类得以持续进化的重要方式，我们通过这种智能行为得以推动世界的进程。我们之所以肯定人类的能力强过机器是因为我们特有的创造力和学习能力，而机器只能按照我们提前设定好的方式运作。那么如果我们将这种能力赋予机器，它们能否像我们一样不断地提高呢。

2. 研究的基本内容与方案

2.1 本论文的主要工作和内容

本文所希望达到的程度，是在追求更高胜率的同时，能够让电脑在不断的对弈当中自己成长，同时将禁手融入进去，以寻求公平。

首先，如果想要保证其能够进行情况的选择，搜索算法是无法避免的。搜索算法不能称之为高效，但其能最为直接的去权衡相同层次的情况的优劣。想要让电脑能够判断情况并进行选择，使用这种算法是毋庸置疑的。

但在此基础之上，融入最大最小的剪枝是很有必要的，让电脑更具智慧，才能完成我们所追求的竞技性。只能考虑三四步的电脑势必会被有些经验的人类所打败。要想战胜更具策略的人类，电脑需要更大的发挥计算能力。最大最小剪枝的能力可以让电脑在减轻运算负担的同时，保证自己的选择相对正确。

而算杀算法的剪枝力度有些大，会使得电脑就像为了胜利在机械性的寻找一些特定的情况。这样有损游戏的趣味性。

在此基础之上，本文要添加新的算法，让电脑学会衡量各种因素，使得电脑不只是去完成每一盘独立的对局，而是借鉴前一盘的经验而让自己在之后的对弈中，能在众多的情况中找到比之前更好的选择。最终达到战胜之前无法战胜的对手的地步。

因此，此系统设计的过程包括几个方面：

（1）分析各种算法设计的状况

（2）编写基础代码，让电脑进行情况搜索并判断

（3）将最大最小剪枝融入算法之中

（4）将衡量因素的算法加入进去

（5）对电脑进行训练，测试系统性能

（6）完善界面等

2.2方案选择

在五子棋的对弈中，我们下每一步其实都是在衡量各种因素，包括我要下的这个位置周围有多少棋子，有多少是我的，对方是不是要获得胜利了等等。实际上，在搜索算法里去判断情况优劣，所依靠的就是这些因素的综合判断。而学会衡量因素，就是要让电脑去依靠经验去判断每种因素的重要程度。之前，我们去制定好各个因素的重要程度，电脑只负责判断。而要让电脑去自己学习，就需要让它依靠对局的经验去修改这个因素的重要程度。反映到算法上，也就是每个因素的系数。之后，在经过大量的训练，以保证电脑所寻找到的系数，就是最能接近真实的重要程度。

其总的流程便是先通过最大最小剪枝下的搜索算法，以较为智能的方式完成第N场对局。在这场对局中电脑拥有之前所继承下来的对于各种因素的判断，通过对于各种因素的综合考量，预测之后几步的情况，采取最优的下棋思路。这种方式足以保证游戏的竞技性。在这场对局之后，以胜负为基准，判断各个因素对于对局的影响，从而改变其系数。

2.3原理框图

本文设计的系统是在原先的类似系统基础上，融入新的算法。通过搜索算法和最大最小剪枝达到能够与人对战的程度。在对局之后，以胜负为基础，去判断各因素对于整个对局的影响，修改给予各因素的权重。通过反复的进行这一过程，使得权重达到最理想的比例。

原理框图如下所示：

3. 研究计划与安排

第1~3周 查阅文献；分析题目研究现状，学习基本理论；

第4周 阅读文献、撰写开题报告，英文文献翻译；

第5周 学习搜索算法的编写方法，实现ai下棋的能力；

4. 参考文献（12篇以上）