دوره 20، شماره 4 - ( 12-1402 )                   جلد 20 شماره 4 صفحات 140-129 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Roayaei Ardakany M, Afroughrh A. Maximize Score in stochastic match-3 games using reinforcement learning. JSDP 2024; 20 (4) : 9
URL: http://jsdp.rcisp.ac.ir/article-1-1345-fa.html
رعایائی اردکانی مهدی، افروغه علی. بیشینه سازی امتیاز در بازی تصادفی match-3 با استفاده از یادگیری تقویتی عمیق. پردازش علائم و داده‌ها. 1402; 20 (4) :129-140

URL: http://jsdp.rcisp.ac.ir/article-1-1345-fa.html


دانشگاه تربیت مدرس
چکیده:   (68 مشاهده)
بازی‌های رایانه‌ای در سال‌های اخیر نقش مهمی در پیشرفت هوش مصنوعی داشته‌اند. بازی‌ها به عنوان محیطی مناسب برای آزمون و خطا، آزمایش ایده‌ها و الگوریتم‌های مختلف هوش مصنوعی مورد استفاده قرار گرفته‌اند. بازی match-3 یک سبک از بازی‌های محبوب در تلفن‌های همراه است که از فضای حالت تصادفی و بسیار بزرگ تشکیل شده که عمل یادگیری در آن را دشوار می‌کند. در این مقاله یک عامل هوشمند مبتنی بر یادگیری تقویتی عمیق ارائه می‌شود که هدف آن بیشینه‌سازی امتیاز در بازی match-3 است. در تعریف عامل پیشنهادی از نگاشت فضای عمل، حالت و همچنین ساختار شبکه عصبی مبتکرانه‌ای برای محیط بازی match-3 استفاده می‌شود که توانایی یادگیری حالت‌های زیاد را داشته باشد. مقایسه روش پیشنهادی با سایر روش‌های موجود از جمله روش‌ یادگیری تقویتی مبتنی بر سیاست، روش یادگیری تقویتی مبتنی بر ارزش، روش‌های حریصانه و عامل انسانی نشان از عملکرد برتر روش پیشنهادی در بازی match-3 دارد.
شماره‌ی مقاله: 9
متن کامل [PDF 745 kb]   (59 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1401/8/5 | پذیرش: 1402/9/20 | انتشار: 1403/2/6 | انتشار الکترونیک: 1403/2/6

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.