طراحی عامل هوشمند با یادگیری تقویتی عمیق در فضای بازی

برنامه نویسی هوش مصنوعی مناسب و معقول برای بخش کوچکی از بازی کار چالش برانگیزی است. ساختن عاملهوشمندی که بتواند رفتار پیچیده و انسان نما داشته باشد، یکی از المان های سرگرم کننده بازی است، یکی از راه هایپیاده سازی این امر به صورت اتوماتیک استفاده از یادگیری ماشین است. یادگیری تقویتی عمیق یکی از شاخه هاییادگیری ماشین است که در آن عامل به وسیله انجام اعمال در محیط و گرفتن پاداش آموزش می بیند و تابع تخمین زنندهیادگیری تقویتی، شبکه عصبی است. هدف مقاله استفاده از یادگیری تقویتی عمیق برای آموزش عامل هوشمند درفضای بازی است، بازی مورد آزمایش بازی غار اژدها است. نتایج به دست آمده نمایانگر عملکرد خوب الگوریتم بهینهسازی خطی مشی نزدیک مبدا در تولید عامل هوشمند است.

کلیدواژه ها:

عامل هوشمند ، یادگیری تقویتی عمیق ، یادگیری مایشن ، شبکه عصبی