人工智能与博弈对抗

本书以人工智能方法解决博弈对抗问题为主线，介绍策略搜索与机器博弈、机器学习与数据对抗、强化学习与对抗决策、博弈论与均衡策略计算等理论基础以及其在求解博弈对抗问题中的应用，探讨人工智能对军事博弈对抗的影响。
本书可以作为人工智能、博弈对抗、决策规划等领域研究人员的参考书，也可以作为高等院校本科生和研究生人工智能、智能博弈等课程的参考教材。

前言
第1章 绪论 1
1.1 相关概念与理解 1
1.1.1 智能 1
1.1.2 人工智能 3
1.1.3 机器智能 5
1.1.4 人机混合智能 6
1.1.5 群体智能 8
1.1.6 智能相关概念之间的关系 12
1.1.7 博弈对抗 13
1.2 人机对抗的兴起与发展 14
1.2.1 棋牌类游戏人机对抗 14
1.2.2 电子竞技中的AI玩家 21
1.2.3 无人系统人机对抗 25
参考文献 28
第2章 策略搜索与机器博弈 31
2.1 策略搜索技术 31
2.1.1 状态空间和搜索树的概念 31
2.1.2 无信息搜索 33
2.1.3 启发式搜索 35
2.1.4 极小极大搜索 35
2.1.5 蒙特卡罗树搜索 38
2.2 国际象棋 41
2.2.1 国际象棋求解技术 43
2.2.2 国际象棋引擎当前发展 46
2.3 西洋跳棋 46
2.3.1 西洋跳棋的复杂度 47
2.3.2 西洋跳棋的“破解” 47
2.4 《吃豆人》游戏 49
参考文献 51
第3章 机器学习与数据对抗 53
3.1 机器学习基础 53
3.1.1 基本术语 54
3.1.2 典型任务形式 57
3.2 深度神经网络与对手行为预测 61
3.2.1 深度神经网络 61
3.2.2 对手行为预测 64
3.3 聚类算法与对手风格预测 65
3.3.1 聚类算法 65
3.3.2 对手风格聚类 66
3.4 深度伪造与应对反制 68
3.4.1 深度伪造技术发展 68
3.4.2 深度伪造应对与反制 72
3.5 对抗机器学习 74
3.5.1 对抗机器学习分类 75
3.5.2 主要技术分析 76
参考文献 85
第4章 强化学习与对抗决策 87
4.1 强化学习 87
4.1.1 基于马尔可夫决策过程的强化学习建模 87
4.1.2 模型求解方法 90
4.2 深度强化学习 94
4.2.1 DQN分析 95
4.2.2 DDPG分析 96
4.3 多智能体深度强化学习 97
4.3.1 随机博弈建模 97
4.3.2 研究进展 102
4.4 Atari游戏博弈 104
4.4.1 Atari游戏与AI 104
4.4.2 Atari游戏AI主要技术分析 106
4.5 围棋博弈 109
4.5.1 AlphaGo分析 .110
4.5.2 AlphaGoZero分析 112
4.6 《星际争霸》游戏对抗 116
4.6.1 全流程对战主要技术分析：AlphaStar 119
4.6.2 微观管理主要技术分析 124
4.7 兵棋博弈对抗 126
4.7.1 兵棋AI兴起与发展 127
4.7.2 智能兵棋系统 130
4.7.3 全国兵棋推演大赛智能体博弈赛及系统 136
参考文献 138
第5章 博弈论与均衡策略计算 141
5.1 博弈论基础 141
5.1.1 博弈论基本概念 141
5.1.2 博弈论基本假设 143
5.1.3 博弈问题分类 144
5.2 典型博弈模型与解概念 145
5.2.1 策略型博弈 145
5.2.2 展开型博弈 149
5.2.3 贝叶斯博弈 152
5.3 均衡策略计算方法 153
5.3.1 虚拟博弈系列技术 153
5.3.2 基于Q学习的均衡策略计算 154
5.3.3 虚拟遗憾值昀小化 156
5.4 德州扑克博弈 157
5.4.1 德州扑克基本规则 158
5.4.2 扑克博弈树 159
5.4.3 德州扑克AI的技术路线 160
5.4.4 优选德州扑 AI介绍 164
5.5 追逃博弈与微分对策 167
5.5.1 追逃博弈的例子 168
5.5.2 微分对策的基本概念 170
5.5.3 微分对策的解概念 171
参考文献 173
第6章 人工智能对军事博弈对抗的影响 176
6.1 人工智能技术的优势与挑战 176
6.2 人工智能对当前军事领域的渗透 177
6.2.1 情报侦察监视 177
6.2.2 指挥决策 178
6.2.3 任务执行 178
6.2.4 网络空间 179
6.2.5 后勤保障 180
6.3 人工智能对未来战争形态的改变 181
6.3.1 新型作战概念 182
6.3.2 新型作战样式 186
6.4 人工智能武器 189
6.4.1 人工智能武器在全球的发展 189
6.4.2 人工智能武器的风险与挑战 192
参考文献 193