1. 毕业设计（论文）主要内容：

强化学习是一类利用环境奖惩学习动作策略的机器学习，主要用于决策问题上。强化学习是一类很强大机器学习，在2017年10月，AlphaGo Zero横空出世，完全从零开始训练就战胜了世界第一的棋手。

AlphaGo Zero让人们看到强化学习在棋类博弈中的应用，以往的棋类博弈游戏，大多利用优化搜索算法去进行博弈搜索，这样的棋类游戏可玩性很差。而强化学习的加入可以让“电脑”变得更加智能，也就提高了游戏的可玩性。而五子棋作为一种老少皆宜的益智游戏，如果可以加入强化学习既可以增加游戏的可玩性，也具有一定研究价值。

2. 毕业设计（论文）主要任务及要求

（1）利用强化学习算法编写与模型的训练：

3. 毕业设计（论文）完成任务的计划与安排

2019年1月11日-2019年1月31日：阅读文献，主要是强化学习，优化搜索的相关的文献；

2019年2月1日-2019年2月28日：掌握技能，具有针对性的学习编程语言，算法，尝试实现已阅读文献中的方法，完成开题报告；

4. 主要参考文献

[1] sutton r s, barto a g. reinforcementlearning: an introduction[m]. mit press, 2018.

[2] silver d, schrittwieser j,simonyan k, et al. mastering the game of go without human knowledge[j]. nature,2017,550(7676):354-359.doi:10.1038/nature24270.