- 相關(guān)推薦
面向中國(guó)象棋的人機(jī)博弈系統(tǒng)研究
14
湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版?素質(zhì)教育研究)
?JournalofHunanAgriculturalUniversity(SocialSciencesResearchonQualityEducation)
面向中國(guó)象棋的人機(jī)博弈系統(tǒng)研究
高建良
(華東理工大學(xué)信息科學(xué)與工程學(xué)院
摘
上海
200540)
要:主要研究了以下搜索算法,負(fù)極大值法,Alpha-Beta法,使用歷史啟發(fā)和置換表的Alpha-Beta法等。估值是象棋人工智能的重
要組成部分,估值函數(shù)的評(píng)估標(biāo)準(zhǔn)要看幾個(gè)方面:棋子的基本價(jià)值,棋子的靈活性還有棋子的威脅性和攻擊性。
關(guān)鍵詞:中國(guó)象棋;搜索算法;Alpha-Beta法;估值一、研究背景
深藍(lán)”與當(dāng)時(shí)的國(guó)際象棋1997年,IBM公司的超級(jí)計(jì)算機(jī)“
世界冠軍卡斯帕羅夫進(jìn)行了一場(chǎng)大肆渲染的比賽,這次被卡斯帕羅夫稱作“終于來臨的一天”的比賽以卡氏的失敗而告終。IBM公司將“深
第一文庫網(wǎng)
藍(lán)”的獲勝稱作是人工智能領(lǐng)域的一個(gè)里程碑。人類對(duì)機(jī)器博弈的研究衍生了大量的研究成果,這些成果不但對(duì)人工智能的其它領(lǐng)域產(chǎn)生了重要影響,而且由此衍生而來的多種應(yīng)用,在諸如航空調(diào)度、天氣預(yù)報(bào)、資源勘探、軍事博弈,金融/經(jīng)濟(jì)調(diào)控等領(lǐng)域,也取得了大量引人矚目的成就。
在我國(guó),中國(guó)象棋有著深厚的群眾基礎(chǔ),能把這項(xiàng)古老的國(guó)粹和現(xiàn)代計(jì)算機(jī)技術(shù)相結(jié)合,編制出超過人類智慧的中國(guó)象但由于中棋軟件,是許多研究中國(guó)象棋軟件人夢(mèng)寐以求的目標(biāo)。
國(guó)象棋在計(jì)算機(jī)實(shí)現(xiàn)方面比國(guó)際象棋更加復(fù)雜,而且中國(guó)象棋博弈技術(shù)研究落后于國(guó)際象棋,所以中國(guó)象棋軟件還遠(yuǎn)未達(dá)到世界冠軍水平。但近年來通過許多中國(guó)象棋軟件編程愛好者和多個(gè)象棋開發(fā)團(tuán)隊(duì)的努力,使中國(guó)象棋軟件水平有長(zhǎng)足的進(jìn)步,慢棋已達(dá)到業(yè)余大師水平,快棋可以和象棋大師對(duì)抗。
件實(shí)現(xiàn)更加復(fù)雜。
現(xiàn)有的計(jì)算機(jī)的運(yùn)算能力仍然十分有限。不可能3.估值。
一直搜索到分出輸贏的那一步,在有限搜索深度的末端,我們可利用以下幾種靜態(tài)的方法,來估計(jì)局面的優(yōu)劣:
(1)棋子的基本價(jià)值。棋子的價(jià)值評(píng)估,簡(jiǎn)單的說就是評(píng)估
雙方都有哪些棋子在棋盤上。根據(jù)經(jīng)驗(yàn),可以讓一個(gè)車價(jià)值為
1000,一個(gè)馬價(jià)值為500,一個(gè)兵價(jià)值為100等等。將的價(jià)值為
無限大(通常用一個(gè)遠(yuǎn)大于其他棋子的數(shù))。一方的棋子總值就是棋盤上存活的該方棋子乘以棋子價(jià)值的和。
(2)棋子的位置。根據(jù)棋子所處的位置進(jìn)行估值。比如說,
過河兵的價(jià)值會(huì)遠(yuǎn)遠(yuǎn)大于沒有過河的兵,當(dāng)頭炮一般來說會(huì)更有威脅。
(3)棋子的靈活性。棋子的靈活性是指棋子的活動(dòng)范圍,通
常是越大越好。一匹不能動(dòng)的馬很難在棋局中發(fā)揮重要作用;同樣,一個(gè)蹲在角落里的車也是價(jià)值不高的。
(4)棋子的關(guān)系評(píng)估。棋子間的關(guān)系也是估值的重要內(nèi)容
之一,我們可以將某個(gè)棋子被對(duì)方棋子威脅看成是一個(gè)不利的因素。
1.棋盤表示。棋盤表示就是使用一種數(shù)據(jù)結(jié)構(gòu)來描述棋
一個(gè)典型的中國(guó)盤及棋盤上的棋子,通常是使用一個(gè)二維數(shù)組。
象棋棋盤是使用9×每一個(gè)元素代表棋盤上10的二維數(shù)組表示。的一個(gè)交點(diǎn)。一個(gè)沒有棋子的交點(diǎn)所對(duì)應(yīng)的元素是0,一個(gè)黑帥對(duì)應(yīng)的元素是1,黑士則用2表示等等,依此類推,棋盤的數(shù)據(jù)表示直接影響到程序的時(shí)間及空間復(fù)雜度。
(5)象棋專業(yè)知識(shí)加權(quán)。一個(gè)優(yōu)秀的估值還可以對(duì)特別的
情形加權(quán)。比如空心炮和三子歸邊等情形可以得到額外的加分。
4.搜索技術(shù)。對(duì)于計(jì)算機(jī)來說,直接通過棋盤信息判別走
法的好壞并不精確。除了輸贏這樣的局面可以可靠地判別外,其他的判斷都只能做到大致估計(jì)。判別兩種走法孰優(yōu)孰劣的一個(gè)好方法就是察看棋局走下去的結(jié)果。也就是向下搜索若干步,然后比較發(fā)展下去的結(jié)果。為了避免差錯(cuò),我們假定對(duì)手的思考也和我們一樣,也就是,我們想到的內(nèi)容,對(duì)手也想到了。這就是極大極小搜索算法的基本原則,極大極小搜索算法是本書中所有
2.走法產(chǎn)生。博弈的規(guī)則決定了哪些走法是合法的,走法
產(chǎn)生是博弈程序中一個(gè)相當(dāng)復(fù)雜而且耗費(fèi)運(yùn)算時(shí)間的方面。
在中國(guó)象棋中,一般情況下每一局面有20~60種走法,平均40種走法,而國(guó)際象棋平均只有35種走法,所以中國(guó)象棋軟
參考文獻(xiàn):
[1]鐘建玲.非英語專業(yè)新生英語自主學(xué)習(xí)現(xiàn)狀分析與思考[J].惠州學(xué)院
學(xué)報(bào),2006,(1):110~114.
外語教育出版社,2004.
大學(xué)英語課堂教學(xué)要求(試行)》[J].外語界,2005,(2):[5]夏紀(jì)梅.解讀《
12-14.
[2]羅立勝.理工科學(xué)生外語學(xué)習(xí)行為模式的探討[J].外語與外語教
學(xué),2001,(9):31~33.
作者簡(jiǎn)介:
鐘建玲(1973-),女,廣西昭平人,講師,研究方向:應(yīng)用語言學(xué),大學(xué)英語教學(xué)。
[3]朱菊芬.非英語專業(yè)新生英語學(xué)習(xí)現(xiàn)狀調(diào)查[J].外語界,2003,(1):
40~47.
[4]教育部高等教育司.大學(xué)英語課程教學(xué)要求(試行)[M].上海:上海
2007年11月高等教育
湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版?素質(zhì)教育研究)
?JournalofHunanAgriculturalUniversity(SocialSciencesResearchonQualityEducation)
15
搜索算法的基礎(chǔ)。在過去的幾十年中,一些相當(dāng)成功的改進(jìn)大大提高了極大極小搜索的效率。Alpha-Beta剪枝、置換表、歷史啟發(fā)等手段的綜合應(yīng)用將搜索效率提高了幾個(gè)數(shù)量級(jí)。
二、主流搜索算法
—極大極小算法。假定我們有一個(gè)函1.最基本的算法——
數(shù)可以為每一局面的優(yōu)劣評(píng)分。例如甲勝為+∞;乙勝為-∞;和局為0;其他的情形依據(jù)雙方剩余棋子的數(shù)量及位置評(píng)定-∞~+這樣我們可以建立一棵固定深度的搜索樹,∞之間的具體分?jǐn)?shù)。
其葉子節(jié)點(diǎn)不必是終了狀態(tài),而只是固定深度的最深一層的節(jié)點(diǎn),其值由上述函數(shù)評(píng)出;對(duì)于中間節(jié)點(diǎn),甲方取子節(jié)點(diǎn)的最大值,乙方取子節(jié)點(diǎn)的最小值。
幾乎所有的人在使用基本的極大極小算法時(shí)都選擇了深度優(yōu)先搜索方法。這樣可以在搜索過程中的任何時(shí)候僅僅生成整棵樹的一小部分,搜索過的部分被立即刪去。顯然,這個(gè)算法對(duì)內(nèi)存的要求極低,往往在內(nèi)存只有幾千字節(jié)的機(jī)器上也可以實(shí)現(xiàn)。并且同其他的選擇相比,速度上也并不遜色。深度優(yōu)先搜索極大極小樹的過程,可以表示為一個(gè)遞歸的形式。
差已達(dá)70倍之多。
置換表的效率隨層次加深而提高,在搜索深度為3層時(shí),
Alpha-Beta+置換表同基本的Alpha-Beta搜索中評(píng)估的葉節(jié)點(diǎn)
數(shù)目相差約20%,到6層時(shí)此數(shù)目則相差達(dá)3倍。
隨著層數(shù)的加深,置換表的命中率逐漸提高,Alpha-Beta+置換表的速度從第4層開始超過基本的Alpha-Beta。而
NegaScout+置換表+歷史啟發(fā)也從第5層開始超越Alpha-Beta+
歷史啟發(fā)的速度。到第6層時(shí)其速度已是Alpha-Beta+歷史啟發(fā)的2.2倍。
歷史啟發(fā)表現(xiàn)出了極高的性能。同置換表相比,歷史啟發(fā)占用的運(yùn)算時(shí)間極少。就單項(xiàng)增強(qiáng)手段看來顯著地優(yōu)于其他方法。
三、估值函數(shù)實(shí)現(xiàn)
1.估值基礎(chǔ)
(1)棋子的價(jià)值評(píng)估。棋子的價(jià)值評(píng)估,簡(jiǎn)單的說就是評(píng)估
雙方都有哪些棋子在棋盤上。根據(jù)我們的經(jīng)驗(yàn),可以讓一個(gè)車價(jià)值為500,一個(gè)馬價(jià)值為300,一個(gè)兵價(jià)值為100等等。將的價(jià)值為無限大(通常用一個(gè)遠(yuǎn)大于其他棋子的數(shù))。一方的棋子總值就是棋盤上存活的該方棋子乘以棋子價(jià)值的和。如果紅色的棋子價(jià)值總和大于黑色的棋子價(jià)值總和,通常這意味著紅方的局勢(shì)優(yōu)于黑方。
還可以加入一些其他的明顯規(guī)律,使估值函數(shù)的知識(shí)水平提高。例如,兵在棋局中的作用與其過河與否有很大的關(guān)系。一個(gè)過河兵的作用比未過河的兵對(duì)局勢(shì)的影響要大得多。顯然,我們可以把兵的價(jià)值根據(jù)其過河與否結(jié)合其他具體位置信息設(shè)計(jì)成動(dòng)態(tài)的。
2.負(fù)極大值算法。負(fù)極大值算法的核心在于:父節(jié)點(diǎn)的值
是各子節(jié)點(diǎn)的值的負(fù)數(shù)的極大值。如要這個(gè)算法正確運(yùn)作,還要注意一點(diǎn)額外的東西。估值函數(shù)必須對(duì)誰走棋敏感,也就是說對(duì)于一個(gè)該紅方走棋的局面返回正的估值的話,則對(duì)于一個(gè)該黑方走棋的局面返回負(fù)的估值。初看上去,負(fù)極大值算法比極大極在算小值算法稍難理解,但事實(shí)上負(fù)極大值算法更容易被使用。法的原理上,這兩種算法完全等效。
3.Alpha-Beta搜索算法。將Alpha剪枝和Beta剪枝加入minimax搜索,就得到Alpha-Beta搜索算法。
Alpha-Beta搜索能夠讓我們忽略許多節(jié)點(diǎn)的搜索。對(duì)于每
一個(gè)被忽略的非葉子節(jié)點(diǎn)來說,這都意味著不僅節(jié)點(diǎn)本身,而且節(jié)點(diǎn)下面的子樹也被忽略掉了。這就導(dǎo)致了Alpha-Beta搜索需要遍歷的節(jié)點(diǎn)遠(yuǎn)遠(yuǎn)少于極大極小算法所遍歷的節(jié)點(diǎn)。這也同時(shí)意味著對(duì)搜索同一棵樹來說,Alpha-Beta搜索所花費(fèi)的時(shí)間遠(yuǎn)遠(yuǎn)少于極大極小算法所花費(fèi)的時(shí)間。
同極大極小搜索算法一樣,Alpha-Beta搜索算法也有點(diǎn)繁瑣,我們不僅要在奇數(shù)層進(jìn)行al-pha剪枝,而且還要在偶數(shù)層進(jìn)行beta剪枝。不過只要將負(fù)極大值的形式套用上去,這樣在任何一層都只進(jìn)行beta剪枝,它就會(huì)同負(fù)極大值算法一樣簡(jiǎn)潔。
隨著搜索深度的增加,Alpha-Beta搜索同負(fù)極大值搜索在時(shí)間耗費(fèi)上和搜索的葉節(jié)點(diǎn)數(shù)目上的差距在迅速增大。即使僅僅在第4層,二者在搜索效率上的差距也超過了20倍。
(2)棋子的靈活性與棋盤控制。棋子的靈活性是指棋子的
活動(dòng)范圍,通常是越大越好。一匹不能動(dòng)的馬很難在棋局中發(fā)揮重要作用;同樣,一個(gè)蹲在角落里的車也是價(jià)值不高的。
評(píng)估棋子的靈活性較為簡(jiǎn)單,將一個(gè)棋子的所有合法走法羅列出來,乘上該種棋子每一可走步的價(jià)值就行了。
與靈活性評(píng)估類似,還可以評(píng)估博弈雙方對(duì)棋盤上位置的控制能力。在象棋中,如果某一位置落在某方棋子的合法走步上,就可以認(rèn)為被該方控制。如果某一位置同時(shí)落在雙方的合法走步上,我們可以根據(jù)雙方控制該位置的棋子數(shù)量及棋子價(jià)值來決定孰優(yōu)孰劣。能控制更多位置的一方應(yīng)在這項(xiàng)評(píng)分上占優(yōu)。
(3)棋子關(guān)系的評(píng)估。棋子間的關(guān)系也是估值的重要內(nèi)容
之一,我們可以將某個(gè)棋子被對(duì)方棋子威脅看成是一個(gè)不利的因素。例如紅車的位置在黑馬的合法走步當(dāng)中,此時(shí)我們可以把紅車的價(jià)值減去一個(gè)值(例如200)來刻畫這種情形。而如果紅馬在黑車的合法走步之中,而紅馬同時(shí)也在紅卒的合法走步之中,我們可以認(rèn)為紅馬置于紅卒的保護(hù)之下,沒有受到威脅,價(jià)值不變。
棋子關(guān)系的評(píng)估應(yīng)考慮到該誰走棋的問題。如果某個(gè)紅馬落在黑炮的合法走步之內(nèi),但此時(shí)輪到紅方走棋,應(yīng)認(rèn)為紅馬受
4.使用歷史啟發(fā)和置換表的Alpha-Beta的搜索算法。在
各種增強(qiáng)手段當(dāng)中,歷史啟發(fā)對(duì)于減少葉子節(jié)點(diǎn)數(shù)目有極大的作用。這也從另一方面證實(shí)了Alpha-Beta剪枝的效率對(duì)節(jié)點(diǎn)順序的極度敏感。當(dāng)置換表和歷史啟發(fā)共同作用時(shí),節(jié)點(diǎn)數(shù)目進(jìn)一步下降了。搜索的最大深度到達(dá)6層的時(shí)候,NegaS-cout+置換表+歷史啟發(fā)同基本的Alpha-Beta搜索中評(píng)估的葉節(jié)點(diǎn)數(shù)目相
2007年11月高等教育
16
湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版?素質(zhì)教育研究)
?JournalofHunanAgriculturalUniversity(SocialSciencesResearchonQualityEducation)
到的威脅較輕。而如果此時(shí)輪到黑方走棋,就應(yīng)認(rèn)為紅馬受到的威脅很大,應(yīng)減去一個(gè)相對(duì)較大的值了。如果將被對(duì)方威脅,且輪到對(duì)方走棋,此時(shí)應(yīng)結(jié)束估值返回失敗的估值(通常是極大或極小值)。棋子間關(guān)系的評(píng)估可以在很大程度上提高估值的精度,通常是博弈估值的必備內(nèi)容。
容易戰(zhàn)勝;然而在考慮了棋子靈活性之后,就不會(huì)再出現(xiàn)孤炮進(jìn)入敵群子中的冒進(jìn)走法,估值比較完備,人工智能比較好。
2.不同搜索方式與搜索深度結(jié)果分析
Alpha-Beta搜索能夠讓我們忽略許多節(jié)點(diǎn)的搜索。對(duì)于每
一個(gè)被忽略的非葉子節(jié)點(diǎn)來說,這都意味著不僅節(jié)點(diǎn)本身,而且節(jié)點(diǎn)下面的子樹也被忽略掉了。這就導(dǎo)致了Alpha-Beta搜索需要遍歷的節(jié)點(diǎn)遠(yuǎn)遠(yuǎn)少于極大極小算法所遍歷的節(jié)點(diǎn)。這也同時(shí)意味著對(duì)搜索同一棵樹來說,Alpha-Beta搜索所花費(fèi)的時(shí)間遠(yuǎn)遠(yuǎn)少于極大極小算法所花費(fèi)的時(shí)間。
選擇AlphaBetaSearchEngine,分別在1 ̄5層的深度上運(yùn)行,與負(fù)極大值的搜索引擎比較,就會(huì)發(fā)現(xiàn),在同樣的深度下,
2.估值核心的優(yōu)化
(1)估值函數(shù)的速度。在博弈樹搜索的過程中,估值核心所
花費(fèi)的運(yùn)算時(shí)間,對(duì)于搜索的速度有著至關(guān)重要的影響。隨著搜索層數(shù)的加深,葉子節(jié)點(diǎn)的數(shù)目迅速上升,估值函數(shù)被數(shù)以百萬次的調(diào)用,花費(fèi)了大量的運(yùn)算時(shí)間。如何提高估值函數(shù)的速度,也成了博弈性能改進(jìn)的重要話題。
(2)估值函數(shù)與博弈性能。在博弈程序的幾大主要部分
里,估值函數(shù)是與具體的棋類知識(shí)緊密結(jié)合的一部分?梢哉f估值函數(shù)在很大程度上決定了博弈程序的棋力高低。顯然,開發(fā)人員可以向估值函數(shù)加入大量的棋類知識(shí),使之對(duì)于局面的評(píng)估更為精確,也可以使用簡(jiǎn)單的估值函數(shù),以期能夠使估值的過程簡(jiǎn)單而節(jié)省運(yùn)算時(shí)間,期望通過更深層的搜索可以使棋力提高。
一般來說過于簡(jiǎn)單的估值函數(shù)和過于復(fù)雜的估值函數(shù)同樣性能不佳。在同等的知識(shí)含量下,速度越快,性能越高。在同等速度之下,知識(shí)量越大性能越高。在速度和知識(shí)量二者的相互作用下,開發(fā)者要尋找的是一種平衡,是能夠使性能最大化的速度和知識(shí)量。
四、結(jié)果分析
Alpha-Beta搜索引擎的搜索速度快得多。而且,對(duì)于同樣的局
面,在同樣的搜索深度下,二者找到的最佳走法完全一樣。
五、結(jié)束語
1.總結(jié)
本文對(duì)中國(guó)象棋的兩個(gè)關(guān)鍵技術(shù):搜索技術(shù)與估值函數(shù)進(jìn)行了研究,并對(duì)不同的搜索技術(shù)與不同估值函數(shù)帶來的不同結(jié)果進(jìn)行了分析,通過分析得出了這些技術(shù)對(duì)中國(guó)象棋的適合程度。
2.需要繼續(xù)研究及有待解決的問題
(1)估值函數(shù)。在開發(fā)的系統(tǒng)中估值函數(shù)考慮的因素還不
夠全,很多看似細(xì)小的因素在實(shí)戰(zhàn)中其實(shí)影響很大;估值方法中還沒有引進(jìn)歷史知識(shí),棋譜庫沒有建立,無法跟據(jù)棋譜中已有下法來調(diào)整估值結(jié)果;沒有加入經(jīng)驗(yàn)值,如空心炮等大家公認(rèn)為有利的局面帶來的附加值等等。
1.不同估值方式結(jié)果分析。如果將靈活性的賦值都?xì)w0,
并且將循環(huán)統(tǒng)計(jì)掃描的數(shù)據(jù)(有關(guān)威脅性)去掉,則估值函數(shù)很簡(jiǎn)單,下出的棋子很幼稚,現(xiàn)以當(dāng)頭炮走法為例,則電腦走法:紅(人)炮二平五、黑(電腦)車1進(jìn)1、紅炮五進(jìn)四、黑車1平2。
如果將靈活性的賦值都?xì)w0,而將循環(huán)統(tǒng)計(jì)掃描的數(shù)據(jù)(有關(guān)威脅性)加上,電腦智能一般,仍以當(dāng)頭炮為例,走法如下:紅(人)炮二平五、黑(電腦)炮2進(jìn)7、紅炮五進(jìn)四、黑馬2進(jìn)3。
如果將靈活性的因素考慮進(jìn)去,并且將循環(huán)統(tǒng)計(jì)掃描的數(shù)據(jù)(有關(guān)威脅性)加上,電腦智能不錯(cuò),仍以當(dāng)頭炮為例,走法如下:紅(人)炮二平五、黑(電腦)馬2進(jìn)3。
通過上述3次改變的比較,我們可以看出只考慮棋子的基本價(jià)值,估值函數(shù)會(huì)漏洞很多,導(dǎo)致電腦人工智能很差;考慮了棋子的位置和威脅性,雖然比上一種進(jìn)步許多,但是走招比較激進(jìn),只考慮了棋子威脅和全局的得分,不靈活,人工智能一般,很
(2)搜索算法。搜索算法在兩個(gè)平臺(tái)中沒有得到很好的體
現(xiàn),在系統(tǒng)的研究中因?yàn)樗阉魃疃纫话悴皇呛艽,搜索算法帶來的影響很難通過實(shí)驗(yàn)得出精確結(jié)論;沒有加入殘局庫,無法在某些應(yīng)該有輸贏結(jié)論的局面下得出完全正確的下法。
參考文獻(xiàn):
[1]王小春.PC游戲編程(人機(jī)博弈)[M].重慶:重慶大學(xué)出版社,2002.[2]陸汝鈐.人工智能[M].北京:科學(xué)出版社,1995.
[3]王永慶.人工智能原理與方法[M].西安:西安交通大學(xué)出版社,1998.[4]何華燦.人工智能導(dǎo)論[M].西安:西北工業(yè)大學(xué)出版社,1988.[5]楊祥金.人工智能[M].重慶:科學(xué)技術(shù)文獻(xiàn)出版社重慶分社,1988.
作者簡(jiǎn)介:
高建良(1963-),男,講師,碩士,教研室主任。
2007年11月高等教育
【面向中國(guó)象棋的人機(jī)博弈系統(tǒng)研究】相關(guān)文章:
面向航天制造企業(yè)的制造執(zhí)行系統(tǒng)研究與應(yīng)用05-02
無人機(jī)戰(zhàn)術(shù)控制系統(tǒng)研究04-27
無人機(jī)安全監(jiān)控與健康管理系統(tǒng)研究04-29
無人機(jī)故障預(yù)測(cè)與健康管理系統(tǒng)研究05-02
無人機(jī)任務(wù)規(guī)劃系統(tǒng)研究及發(fā)展05-02
無人機(jī)4D制導(dǎo)系統(tǒng)研究04-28
面向供應(yīng)鏈管理的成本核算模型與系統(tǒng)研究05-03
面向深空探測(cè)任務(wù)的飛控仿真與支持系統(tǒng)研究05-02