基于高性能集群计算的围棋机器博弈关键算法研究

围棋是机器博弈领域中最具挑战性的课题，难点在于其庞大的搜索空间和难于静态评价的特性。随着人工智能领域的不断发展，围棋机器博弈的进展仍难令人满意。近年来，高性能计算尤其是集群计算的应用研究发展迅速，提高了诸如气象、生物科学、战争模拟等复杂问题的研究水平，这也为围棋研究提供了一条可行之路。本项目将集群计算引入围棋机器博弈的研究中，但单纯地利用集群进行加速并不能从根本上解决围棋问题，因而提出了集群环境下的围棋算法研究的重点问题，包括UCT的改进算法、基于选择性的全局搜索、包含特定目标搜索的评价函数、有效着法选择器、基于分布式文件系统的死活库和定势库等。这些关键问题的突破有望使围棋机器博弈的研究水平取得较大提升，从而促进人工智能学科和高性能集群计算应用研究的发展。

为了提高围棋机器博弈的研究水平，挑战这个人工智能领域内著名的难题，本课题将集群计算引入围棋机器博弈的研究中，并提出了一系列新的研究问题。通过在基于分布式文件系统的知识库、UCT算法改进、蒙特卡洛增强过程、机器学习等关键问题的深入研究，本项目获得了许多突破性的理论性创新及应用方面的成果，在很大程度上提高了国内在围棋机器博弈方面的研究水平。课题组发表了多篇高水平的论文，在机器博弈最具影响力的国外杂志（ICGA）上发表了长文，在机器博弈领域最好的国际会议（ACG）上发表论文，这些都是大陆机器博弈领域的学者历史性的突破。同时，本课题还在机器博弈普及方面做了大量工作，每年都组织全国机器博弈锦标赛、大学生计算机博弈大赛和学术研讨会，推动了机器博弈学科在国内的发展。