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

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

واژه معمای زندانی، خصوصیات ذاتی ،یادگیری تقویتی، شبکه های عصبی عمیق، یادگیری تقویتی عمیق