%0 Journal Article 
%A Vicente del Egido, Alberto
%T Aprendizaje por refuerzo para agentes competitivos en el juego del Risk
%D 2022
%U http://hdl.handle.net/10017/53356
%X En este TFG se plantea la posibilidad de diseñar de cero un agente inteligente que mediante aprendizaje
reforzado profundo aprenda a jugar de manera eficiente al juego de mesa de estrategia militar Risk.
En primer lugar se diseñara un agente que mediante Q learning aprenda a jugar al Tres en Raya, a
continuación uno que resuelva la misma tarea mediante Deep Q learning y mas adelante se adaptará este
agente para que aprenda el Risk, tanto una versión reducida de este, como el original.

%K Machine Learning
%K Deep Learning
%K Reinforcement Learning
%K Q Learning
%K Deep Q Learning
%K Risk
%K Board games
%K Tic Tac Toe
%K Informática
%K Computer science
%~ Biblioteca Universidad de Alcala