Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/12575
metadata.dc.type: Dissertação
metadata.dc.rights: Acesso Aberto
Title: LS-DRAUGHTS um sistema de aprendizagem de jogos de Damas baseado em algoritmos genéticos, redes neurais e diferenças temporais
metadata.dc.creator: Castro Neto, Henrique de
metadata.dc.contributor.advisor1: Julia, Rita Maria da Silva
metadata.dc.contributor.referee1: Ramalho, Geber Lisboa
metadata.dc.contributor.referee2: Oliveira, Gina Maira Barbosa de
metadata.dc.description.resumo: O objetivo deste trabalho é propor um Sistema de Aprendizagem de Damas, LS-DRAUGHTS, que visa, por meio da técnica dos Algoritmos Genéticos (Ags), gerar, automaticamente, um conjunto de características mínimas necessárias e essenciais de um jogo de Damas, de forma a otimizar o treino de um agente jogador que aprende a jogar Damas. A aprendizagem deste agente consiste em aproximar uma rede neural MLP através do método de Aprendizagem por Reforço RD(λ) aliado com a busca minimax, com o mapeamento de tabuleiro NET-FEATUREMAP (feito a partir das características geradas pelo AG) e com a técnica de treinamento por self-play com clonagem. O objetivo da auto-aprendizagem do agente, sem Ter que recorrer a uma base de jogos de especialistas, é permitir que um sistema inteligente aprenda a jogar Damas pela sua própria experiência. Tal processo de aprendizagem é análogo ao processo utilizado pelo sistema NeuroDraughts proposto por Mark Lynch. Contudo, o LS-DRAUGHTS expande o NeuroDraughts ao fazer a geração automática de um conjunto eficaz e resumido de características do mapeamento NET-FEATUREMAP, ao passo que, o último, utiliza um conjunto fixo e definido manualmente. Foi efetuado um torneio entre o melhor jogador obtido pelo LS-DRAUGHTS e o melhor jogador de Mark Lynch disponível. Os resultados do torneio, vencido pelo jogador do LS-DRAUGHTS, evidenciam o fato de o AG representar uma importante ferramenta de melhoria no desempenho geral desses jogadores automáticos.
Abstract: This objective of this work is to propose a Learning System Draughts, LS-Draughts, that aims, through the Genetic Algorithm (GA), to generate automatically, a set of minimal features which are necessary and essential to a game of Draughts in order to optimizes the training of a player agent that learns to play Draughts. The learning method of this agent consists in approaching a Neural Network MLP through Reinforcement Learning TD(λ) along with the minimax search, with the mapping of the gam board NET-FEATUREMAP (done according to the features generated by the GA) and with the training process of self-play with cloning. The goal of the agent s self-learning, without any expert game analysis, is to allow an intelligent system to learn to play Draughts through its own experience. Such learning process is analogous to the process used by the NeuroDraughts system proposed by Mark Lynch. However, the LS-Draughts expands to NeuroDraughts as it generates automatically an effective and concise set of features of the NET-FEATUREMAP mapping, so that, the last one, uses a fixed and manually defined se of features. A tournament was promoted between the best player obtained by the LS-Draughts and the best available player of the LS-Draughts. The tournament s results, won by the player of the LS-Draughts, shows the fact that the GA represents and important improvement tool in these automatic players general performance.
Keywords: Aprendizagem automática
Aprendizagem de máquina
Aprendizagem incremental
Aprendizagem por reforço
Computação evolutiva
Algoritmo genético
Redes neurais
Busca minimax
Aprendizagem por diferenças temporais
Teoria dos jogos
Damas
Automatic learning
Machine learning
Incremental learning
Reinforcement learning
Evolutionary computation
Genetic algorithm
Neural network
Minimax search
Temporal diference learning
Game theory
Draughts
Checkers
Aprendizado do computador
Algoritmos genéticos
Inteligência artificial
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Ciências Exatas e da Terra
metadata.dc.publisher.program: Programa de Pós-graduação em Ciência da Computação
Citation: CASTRO NETO, Henrique de. LS-DRAUGHTS um sistema de aprendizagem de jogos de Damas baseado em algoritmos genéticos, redes neurais e diferenças temporais. 2007. 145 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2007.
URI: https://repositorio.ufu.br/handle/123456789/12575
Issue Date: 26-Jan-2007
Appears in Collections:PPGCC - Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
HCNetoDISSPRT.pdf2.06 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.