Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ESBF-AQ2PXY
Type: | Dissertação de Mestrado |
Title: | Desenvolvimento e avaliação de uma metodologia para geração de agentes genéricos para jogos de tabuleiro |
Authors: | Mateus Andrade Rezende |
First Advisor: | Luiz Chaimowicz |
First Referee: | Adriano Alonso Veloso |
Second Referee: | Leandro Soriano Marcolino |
Abstract: | Um agente de General Game Playing (GGP) deve ser capaz de jogar efetivamente diferentes jogos talvez com algum processo inicial de aprendizagem. Dadas as regras de um jogo qualquer, como gerar um agente inteligente que seja competitivo em comparação a agentes específicos para o jogo? Neste trabalho, propomos um método denominado UCT-CCNN para o aprendizado off-line de função de valor para estados de jogos de tabuleiro. No método UCT-CCNN inúmeras partidas são jogadas pelos agentes MCTS com política da árvore conhecida como Upper Confidence Bounds for Tree (UCT) em um processo off-line que gera uma base de dados de exemplos de estado-utilidade. A partir desses exemplos uma função de valor para os estados de jogo é aprendida com o uso de redes neurais construtivas denominadas Cascade Correlation Neural Networks. Os jogos Othello e Trilha foram submetidos ao método UCT-CCNN e os agentes obtidos foram capazes de ganhar de agentes específicos do domínio. |
Subject: | Monte Carlo tree search General Game Playing Método de entropia cruzada Computação Rede correlação em cascata |
language: | Português |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/ESBF-AQ2PXY |
Issue Date: | 2-Jun-2017 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
mateusandraderezende.pdf | 1.18 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.