Desenvolvimento e avaliação de uma metodologia para geração de agentes genéricos para jogos de tabuleiro

Página do item simplificado
dc.creatorMateus Andrade Rezende
dc.date.accessioned2019-08-13T04:37:20Z
dc.date.accessioned2025-09-09T00:36:54Z
dc.date.available2019-08-13T04:37:20Z
dc.date.issued2017-06-02
dc.identifier.urihttps://hdl.handle.net/1843/ESBF-AQ2PXY
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectMonte Carlo tree search
dc.subjectGeneral Game Playing
dc.subjectMétodo de entropia cruzada
dc.subjectComputação
dc.subjectRede correlação em cascata
dc.subject.otherCascade Correlation Neural Networks
dc.subject.otherGeneral Game Playing
dc.subject.otherMonte Carlo Tree Search
dc.subject.otherCross-Entropy Method
dc.subject.otherUpper Confidence Bounds for Trees
dc.titleDesenvolvimento e avaliação de uma metodologia para geração de agentes genéricos para jogos de tabuleiro
dc.typeDissertação de mestrado
local.contributor.advisor1Luiz Chaimowicz
local.contributor.referee1Adriano Alonso Veloso
local.contributor.referee1Leandro Soriano Marcolino
local.description.resumoUm 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.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
mateusandraderezende.pdf
Tamanho:
1.16 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Ciência da Computação - Dissertações

Logo UFMG