Оптимальные стратегии выигрыша и эвристическое программирование

В круглых узлах очерёдность хода за игроком, в квадратных — за соперником.Рисунок 2 – Дерево ходовНа определенном этапе процесс анализа вероятных ответных ходов останавливается. Для дерева ходов предусмотрен конечный размер и для его листьев проводится эвристический анализ. Примером оценочной функции в шахматной игреявляется оценка ситуации из количества оставшихся в игре фигур. При преимуществе белых оценочная функция принимает положительные значения, в обратном случае – отрицательные. На рисунке 3 приведен пример программного кода алгоритма альфа-бета отсечения.Рисунок 3 - Пример программного кода алгоритма альфа-бета отсеченияОптимизация работы функции Score(depth)предполагает выполнение порядка действий: S1: Пусть мы рассмотрели уже один свой ход MOVE1 и все возможные ответы соперника и начали рассматривать свой второй ход MOVE2. Как только среди ответов соперника, появится такой ход, который ставит нас в ситуацию хуже, чем самая плохая ситуация, в которую может нас поставить соперник, если мы сходим ходом MOVE1, то можно прекращать перебор возможных ответов соперника на ход MOVE2 и переходить к рассмотрению следующего нашего хода MOVE3. S2: Рассуждение S1 можно проводить на каждом уровне, рассуждая как за обе противоборствующие стороныS3: По сути, для реализации идеи S2 необходима фиксация оптимального результата, достигнутого на предыдущем этапе, который сохраняется в параметреalpha. S4: Параметрbetaпоказывает возможность использование результата предыдущего этапаЗаключениеВ рамках данной работы проведен анализ областей использования систем искусственного интеллекта, нейронных сетей и эвристических алгоритмов. Рассмотрены основные принципы функционирования интеллектуальных систем, технологий машинного обучения. Проведен анализ основных отличий использования систем искусственного интеллекта от традиционных алгоритмов. Показано, что использование алгоритмов искусственного интеллекта не обеспечивает 100% точных результатов, но их точность возрастает с увеличением объема базы знаний, созданием правил эвристических алгоритмов.В качестве примера использования эвристических алгоритмов рассмотрены системы антивирусной защиты, в которых одним из приемов определения признаков активности вредоносных программ являются эвристические методы (анализирующие поведение программного обеспечения и выявляющие признаки вредоносной активности). Внедрение эвристических модулей в работу систем защиты информации обеспечивает значительное повышение их эффективности ввиду роста сложности алгоритмов вредоносных систем и неэффективности их выявления традиционными методами.СписокиспользованныхисточниковHeuristics: Intelligent Search Strategies for Computer Problem Solving (The Addison-Wesley series in artificial intelligence) Н.Нильсон. Искусственный интеллект. Методы поиска решений. Москва: Мир, 1973. - 273с.George F.Luger. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. М.: 2003Стюарт Рассел, Питер Норвиг. Искусственный интеллект. Современный подход. М.: 2006Холопкина Л.В., Кремер О.Б. Основы технологий искусственного интеллекта: учебное пособие / Л. В. Холопкина, О.Б. Кремер. - Воронеж: Воронежский государственный технический университет, 2016. - 146 с.Корнеенко В. П. Методы многокритериального оценивания объектов с многоуровневой структурой показателей эффективности: монография / В. П. Корнеенко. - Москва: МАКС Пресс, 2018. - 292 с.Зак Ю. А. Основы проектирования экспертных систем / Ю.А. Зак. - Москва : Экономика, 2014. - 455 с. Соловьев С. В. Методы оптимизации. Примеры и задачи. - Хабаровск : Изд-во ТОГУ, 2017. – 162Гайдук А.Р. Теория автоматического управления в примерах и задачах с решениями / Гайдук А.Р., Беляев В.Е., Пьявченко Т.А. – СПб.: Лань, 2011. – 464с.Шукаев Д. Н.Нейросетевые технологии: учебник / Д. Н. Шукаев. - Москва : ИД "Академия естествознания", 2017. - 211 сПавлов Н.С.Использование экспертных систем в прикладных задачах / Николай Павлов. - Москва : ДМК, 2017. - 239 с.Данциг Д. Линейное программирование, его применения и обобщения / Данциг Д. –М.: Прогресс, 1966. – 600с.Дьяконов В. MATLAB с пакетами расширений / Дьяконов В., Абраменкова И., Круглов В. – Нолидж, 2001. – 101с.Пицюк И. Л., Фишман Б. Е. Системы искусственного интеллекта: учебное пособие / И. Л. Пицюк, Б. Е. Фишман. - Хабаровск : Изд-во ТОГУ, 2016. - 127 с. Егоренков Д.Л. Использование нейросетевых алгоритмов в системах информационной безопасности / Егоренко Д.Л., Фрадков А.Л., Харламов В.Ю. – СПб.: БГТУ, 2019. – 190с.