Quale specifica categoria / tipo di apprendimento automatico può essere utilizzato per prendere decisioni migliori sull'IA in questo gioco da tavolo?

Naviga le tue risposte
4

Sto collaborando con un amico per creare una sfida in grado di battere i migliori giocatori umani in un gioco di carte / giochi basato su browser chiamato Duelyst. Assomiglia a questo:

Erailmiopianooriginaledicostruireunapprendimentodibasemoltosemplicedazero,mahasuggeritodiesaminareleopzioniin questo elenco di librerie di apprendimento automatico basate su JavaScript.

Il fatto è che nessuno di noi conosce abbastanza l'apprendimento automatico per sapere di quale tipo (è chiaro che ci sono molte categorie / tipi diversi) da esaminare.

Tra gli elementi nell'elenco delle librerie di apprendimento automatico JS per uso generico ci sono:

  • Apprendimento approfondito

  • Clustering

  • Cluster gerarchico agglomerato

  • Albero decisionale con algoritmo ID3

  • Architettura delle reti neurali digitali

  • K-significa, fuzzy c-significa

  • FANN (Libreria di reti neurali artificiali veloci)

  • Modellazione argomento LDA

  • Regressione logistica / albero decisionale c4.5

  • Support Vector Machine

  • Regressione lineare semplice e multipla

  • Filtro di Kalman

  • Processi decisionali di Markov

Ora ovviamente il mio primo ordine di lavoro era di iniziare a sfogliare questi diversi progetti e cercare una buona parte della terminologia su Wikipedia, ma ho subito capito che si trattava di un tema così vasto e variegato, farei meglio a chiedere a un esperto di puntare nella giusta direzione generale. Il processo decisionale nel gioco consiste essenzialmente nell'usare una delle poche carte a cui hai attualmente accesso (e prevedere quali carte hai lasciato nel tuo mazzo a cui puoi accedere in un prossimo futuro) e giocarle al momento giusto, muovendoti i servitori convocati dalle carte sul campo per proteggere il tuo generale e sconfiggere il generale nemico.

Abbiamo già sviluppato un'IA abbastanza buona per giocare, e ora voglio utilizzare l'apprendimento automatico per prevedere le mosse dell'avversario e migliorare il processo decisionale del robot al fine di migliorare il gioco con esperienza.

Quali categorie / categorie di machine learning sono rilevanti per il compito di migliorare le decisioni di un'IA che gioca un gioco di carte / board basato su turni, come quello descritto?

    
posta john doe 09.02.2017 - 11:22
fonte

2 risposte

3

In poche parole, apprendimento rafforzamento studia proprio questo:

Reinforcement learning is an area of machine learning inspired by behaviorist psychology, concerned with how software agents ought to take actions in an environment so as to maximize some notion of cumulative reward.

Gli esempi RL spesso coinvolgono giochi; spesso questi modelli formalizzano l'avversario di un giocatore come parte dell'ambiente. (Altri studiano tutti gli attori e coinvolgono la teoria dei giochi). Spesso la "ricompensa" è legata alla vittoria o alla perdita.

È un concetto molto ampio e toccante in molti altri campi. Per esempio. i recenti progressi includono applicazioni di deep learning.

    
risposta data 10.04.2017 - 23:40
fonte
0

l'apprendimento automatico è un argomento ampio e difficile. se si desidera utilizzare l'apprendimento automatico in modo consapevole, suggerirei di leggere su:

e dato che non puoi sempre usare l'albero del gioco in modo puro (non abbastanza risorse nell'universo), anche sull'euristica ( link ).

e aspetti dei collegamenti, wikipedia è un punto di partenza, non di apprendimento. quindi un libro (ho imparato da "land of lisp - learn to program in lisp, one game at a time") è un must.

    
risposta data 09.02.2017 - 18:18
fonte

Leggi altre domande sui tag

C ++: associazione, aggregazione e composizione [chiuso] Esiste un'alternativa migliore rispetto all'abusare del modello IDisposable?