Τα παιχνίδια δύο ατόμων όπως το σκάκι, το τάβλι, το go, κ.ά. έχουν αναγνωριστεί ως ιδανικά πεδία έρευνας και δοκιμών για τις σύγχρονες μεθόδους τεχνητής νοημοσύνης και μηχανικής μάθηθης. Μία από τις πιο ενδιαφέρουσες διαδικασίες μάθησης που μπορεί να εφαρμοστεί σε αυτά είναι η ενισχυτική μάθηση μέσω της αυτοεκπαίδευσης. Με αυτήν την τεχνική ένας πράκτορας παίζει πολλές παρτίδες με τον εαυτό του και χρησιμοποιεί ένα σήμα «ανταμοιβής» στο τέλος κάθε παρτίδας, για να βελτιώσει σταδιακά την ποιότητα της επιλογής των κινήσεων. Σημαντικότερος εκπρόσωπος αυτής της μεθόδου είναι το πρόγραμμα TD-Gammon του Tesauro.
Στην εργασία αυτή επιχειρείται η κατασκευή ενός πράκτορα που να παίζει τα παιχνίδια του ταβλιού «πλακωτό» και «φεύγα». Κατά το πρότυπο του TD-Gammon, ο πράκτοράς μας μαθαίνει από την έκβαση των παρτίδων αυτοεκπαίδευσης χρησιμοποιώντας ένα τεχνητό νευρωνικό δίκτυο για την εκμάκθηση της συνάρτησης αξιολόγησης των παιχνιδιών αυτών. Τέλος, συγκρίνουμε τις διάφορες εκδόσεις των εκπαιδευμένων πρακτόρων μεταξύ τους καθώς και με το πρόγραμμα ανοικτού κώδικα Tavli3D.
(EL)
Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2010.
(EL)
Submitted by Nikolaos Papachristou (mai0904@uom.gr) on 2011-04-05T10:43:39Z
No. of bitstreams: 1
MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5)
(EN)
Made available in DSpace on 2011-04-06T07:19:11Z (GMT). No. of bitstreams: 1
MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5)
Previous issue date: 2010
(EN)
Approved for entry into archive by Παναγιώτα Πατραγκού(patragku@uom.gr) on 2011-04-06T07:19:11Z (GMT) No. of bitstreams: 1
MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5)
(EN)