ارائه رویکردی نوین جهت مدلسازی یک بازیگر هوشمند برای مسئله معمای زندانی با استفاده ازQlearning و شبکه های عصبی عمیق
Publish place: International Conference on Nonlinear Systems and Optimization of Electrical and Computer Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 951
This Paper With 13 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSOECE01_106
تاریخ نمایه سازی: 1 مهر 1394
Abstract:
مسئله معمای زندانی یکی از پرطرفدارترین مسائل موجود در حوزه نظریه بازی ها محسوب می شود. این مسئله در محیط های مختلف اجتماعی، صنعتی، بازارهای تجاری و بسیاری از مسائل رقابتی دیگر مورد استفاده و بررسی قرار گرفته است تا بتوان برای یک محیط رقابتی راهبردی برای اتخاذ تصمیمات سودآور تبیین کرد. اگرچه مسئله معمای زندانی به صورت خام و اولیه از جنبه های گوناگون مورد بررسی قرار گرفته است اما به دلیل پیدایش نظریه های جدید و پیشرفت های علم هوش مصنوعی هنوز مدل سازی مسئله بسیار می تواند بهبود پیداکرده و برای مصارف واقعی بیشتر مورد تحلیل قرار گیرد. مبحث بازیگران هوشمند بسیار می تواند برای این امر مورد توجه قرار گیرد. در این تحقیق با استفاده از یادگیری تقویتی که بر مبنای شبکه های عصبی عمیق کار می کند سعی می کنیم خصوصیات ذاتی محیط و بازیگران را در مسئله معمای زندانی در نظر بگیریم بطوریکه سیستم ارائه شده برای بازی در این تحقیق بتواند در محیط تعاملی و بی نهایت مسئله معمای زندانی خصوصیات ذاتی و غیر صریح که در قاعده بازی گفته نمی شوند را به صورت تعاملی یاد گرفته و به اتخاذ تصمیمات سودمندتر اقدام کند. در این تحقیق در واقع می خواهیم بدون تحلیل های اولیه تمام وضعیت مسئله را برای سودآوری بر عهده عامل هوشمند قرار دهیم و از مباحث تحلیلی راهبردی خودداری خواهیم کرد
Keywords:
Authors
سیدپیمان عمادی
Department of Computer Engineering, Zanjan Branch, Islamic Azad University, Zanjan, Iran
ارمغان حکیم زاده
Department of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :