Not logged inCSS-Forum
Forum CSS-Online Help Search Login
CSS-Shop Impressum Datenschutz
Up Topic Hauptforen / Schachprogrammierung / Endspiel
- - By Lothar Jung Date 2021-09-23 18:51
Hier eine Veröffentlichung zur Endspielprogrammierung:

https://www.researchgate.net/publication/221009205_GP-EndChess_Using_Genetic_Programming_to_Evolve_Chess_Endgame_Players
Parent - By Lothar Jung Date 2021-10-07 11:07 Edited 2021-10-07 11:10
Hier ein Blog zur Endspielprogrammierung und TBs:

https://levelup.gitconnected.com/build-your-own-chess-endgame-monster-a3fb23bb3ec1

Hier weiterführende Links:

Live browser-based demo is at: https://doncross.net/endgame/
Endgame database demo code: https://github.com/cosinekitty/endgame. See the generate subdirectory for the C++ code that generates the endgame tables, and the web subdirectory for the TypeScript code for the browser-based demo.
Chenard source code: https://github.com/cosinekitty/chenard.
Chenard download page: http://cosinekitty.com/chenard/. You can download a 32-bit or a 64-bit version of Chenard for Windows, or build a Linux version from source code. Chenard’s endgame databases are available here in a separate zip file.
- By Lothar Jung Date 2022-05-25 15:58 Edited 2022-05-25 16:00
Chess AI: Competing Paradigms for Machine Intelligence

https://arxiv.org/pdf/2109.11602.pdf

Zusammenfassung:

Endspielstudien dienen seit langem als Werkzeug zum Testen der menschlichen Kreativität und Intelligenz.  Wir finden, dass sie auch als Werkzeug zum Testen der Maschinenfähigkeit dienen können.  Zwei der führenden Schach-Engines, Stockfish und Leela Chess Zero (LCZero), wenden während des Spiels deutlich unterschiedliche Methoden an.  Wir verwenden Plasketts Puzzle, eine berühmte Endspielstudie aus den späten 1970er Jahren, um die beiden Engines zu vergleichen.  Unsere Experimente zeigen, dass Stockfish LCZero beim Puzzle übertrifft.  Wir untersuchen die algorithmischen Unterschiede zwischen den Engines und verwenden unsere Beobachtungen als Grundlage für eine sorgfältige Interpretation der Testergebnisse.  Inspiriert davon, wie Menschen Schachprobleme lösen, fragen wir, ob Maschinen eine Form der Vorstellungskraft besitzen können.  Auf der theoretischen Seite beschreiben wir, wie die Bellman-Gleichung angewendet werden kann, um die Gewinnwahrscheinlichkeit zu optimieren.  Abschließend diskutieren wir die Implikationen unserer Arbeit zu künstlicher Intelligenz (KI) und künstlicher allgemeiner Intelligenz (AGI) und schlagen mögliche Wege für zukünftige Forschung vor.
Up Topic Hauptforen / Schachprogrammierung / Endspiel

Powered by mwForum 2.29.3 © 1999-2014 Markus Wichitill