Aprendizaje por refuerzo para agentes competitivos en el juego del Risk

Abstract

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.

In this TFG we propose the possibility of designing from scratch an intelligent agent that by deep reinforcement learning learns to play efficiently the military strategy board game Risk. Firstly, a Q Learning agent will be designed to learn how to play Tic-Tac-Toe, then one that solves the same task by Deep Q learning, and finally this agent will be adapted to learn Risk, a reduced version of it and the original one.