Título: Algoritmo Q-Learning Para Aprendizado Por Reforço Em Jogos Com Ambientes Discretos
Autor(es): Lucas Henrique Grizante
Palavras-chave:
Descrição:
Q-Learning, Aprendizado por Reforço, Aprendizado de Máquina
Código: 4708
A finalidade deste artigo é reforçar o estudo do algoritmo de inteligência artificial Q-Learning e, para tal, ele foi implementado seguindo às orientações de seu criador Watkins no jogo competitivo de mundo discreto FruitBots, com a adição da estratégia épsilon-greedy para mais exploração de estados. Como método de avaliação foi utilizado a quantidade de ciclos de treino necessários para alcançar um número de ações consideradas ótimas para à vitória. Executando o algoritmo com diferentes parâmetros em diferentes tamanhos de mapas, foi possível notar que nem sempre o Q-Learning consegue obter o melhor resultado, mas sempre obtém resultados próximos do ideal.
Idioma: português
Data de publicação: jan, 2021
Local de publicação: Araras, SP
Orientador: Renato Luciano Cagnin
Instituição: FHO – Fundação Hermínio Ometto
Trabalho de conclusão de curso (graduação)
Dono: admin
Categoria: Genérico
Formato: Documento PDF
Arquivo: TCC_3808_-_Lucas_Henrique_Grizante_(RA_82928).pdf
Tamanho: 1153 Kb (1180699 bytes)
Criado: 11-10-2005 14:51
Atualizado: 08-01-2021 12:36
Visitas: 510
Downloads: 2
Todo material disponível neste sistema é de propriedade e responsabilidade de seus autores.
Voltar