یادگیری تقویتی و کاربرد آن در بازی تخته نرد

دراین مقاله یکی از انواع یادگیری ماشین با نام یادگیری تقویتی معرفی شده کاربرد آن در بازی تخته نرد ارایه می شود. دراین نوع از یادگیری عامل از طریق تعامل با محیط و مشاهده ی نتایج اقداماتش که بصورت مجازات یا پاداش است از محیط دریافت می کند سپس عامل یاد می گیرد چگونه رفتار کند تا پاداش دریافتی اش در طول زمان بیشینه شود در بازیهای تصادفی راهبردها برای بازیکنان در بازی یکسان نیست. به همین دلیل در مسائلی از قبیل اقتصاد و بازار سهام مورد کاربرد قرار میگیرند. این مقاله نحوه ی بکارگیری دو الگوریتم به نامهای یادگیری تفاوت زمانی و نوع گسترش یافته ی آن یعنی یادگیری کیو را در یکی از مشهورترین بازیهای تصادفی بیان می کند

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، یادگیری تقویتی ، یادگیری تی دی ، یادگیری کیو ، شبکه های عصبی مصنوعی