RT info:eu-repo/semantics/bachelorThesis
T1 Aprendizaje por refuerzo para agentes competitivos en el juego del Risk
A1 Vicente del Egido, Alberto
K1 Machine Learning
K1 Deep Learning
K1 Reinforcement Learning
K1 Q Learning
K1 Deep Q Learning
K1 Risk
K1 Board games
K1 Tic Tac Toe
K1 Informática
K1 Computer science
AB En este TFG se plantea la posibilidad de diseñar de cero un agente inteligente que mediante aprendizajereforzado 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, acontinuación uno que resuelva la misma tarea mediante Deep Q learning y mas adelante se adaptará esteagente para que aprenda el Risk, tanto una versión reducida de este, como el original.
YR 2022
FD 2022
LK http://hdl.handle.net/10017/53356
UL http://hdl.handle.net/10017/53356
LA spa
DS MINDS@UW
RD 20-abr-2024