龙棋的进化迁移学习
人工智能
2026-03-17 v1
摘要
龙棋是由 Gary Gygax 引入的三维棋类变种，具有独特的战略和计算挑战，使其成为研究人工智能（AI）启发式知识跨域迁移的理想环境。本文我们将龙棋引入作为新的 AI 研究测试平台，并提供一个开源的、基于 Python 的游戏引擎供社区使用。我们的研究通过直接从领先的象棋引擎 Stockfish 适应启发式评估函数，然后使用协方差矩阵适应演化策略（CMA-ES）对其进行优化，来探索进化迁移学习。初始试验表明，直接的启发式迁移因龙棋独特的多层结构和移动规则而不充分。然而，进化优化显著改善了 AI 智能体的性能，通过 50 轮瑞士式锦标赛的实证评估表明其在游戏中的表现优异。这项研究建立了进化方法在适应结构复杂、先前未探索的游戏领域启发式知识的有效性。
引用
@article{arxiv.2603.15297,
title = {Evolutionary Transfer Learning for Dragonchess},
author = {Jim O'Connor and Annika Hoag and Sarah Goyette and Gary B. Parker},
journal= {arXiv preprint arXiv:2603.15297},
year = {2026}
}