بررسی روشهای یادگیری ماشین در بازیهای رایانهای

بازیهای رایانهای را میتوان به چشم یک بستر مناسب برای آزمودن روشهای مختلف ی ادگیری ماش ین استفاده کرد. ازجمله علاقهمندیهای بازیکنان در بازیهای رایانهای، توجه آنها به تعامل با عاملهای بازی و محیط بازی میباشد. مح یطبودن مح یط 1 بازیها یک محیط غیرقطعی، پویا، چند عامله و با ورودی غیر پیوسته میباشد. عاملها بخاطر ذات بلادرنگ بازیها باید بتوانند عکسالعملی سریع نسبت به تغییرات محیطی داشته باشند.بازیها معمولا به دلیل عملهای زیادی که میتوانند در هر محیط و حالتی انجامدهند، حالتها ی درون ی زی ادیدارند. به همین علت فضای حالت-عمل که در بازی برای عامل هوشمند در نظر گرفته میشود ، بزرگ است و روش ها یجستجوی عادی برای یافتن بهترین حالت در آن بهینه و کارآمد نیستند. در بررس یها ی صورت گرفته روش ها یی مانند شبکههای عصبی، یادگیری تقویتی و الگوریتمهای تکاملی که در بازیهای رایانهای استفاده میگردند، مورد مطالعه قرار گرفتند. هر کدام از این روشها خود شامل زیر دستههایی میباشند که بر اساس قابلیتهایی که به الگوریتم میدهند، بیشتر و یا کمتر در بازیها استفاده میشوند. امروزه بازیهای متنوعی منتشر م یشوند و م یتوان کمتر باز ی را یافت که از روشهای یادگیری ماشین استفاده نکند. به همین دلیل بررسی این روشها نیازمند مطالعه مقالات ز ی ادی هم در حوزه دانشگاهی و هم در حوزه تجاری میباشد.

Keywords:

روشهای یادگیری , بازیهای رایانهای , شبکه عصبی , یادگیری تقویتی , الگوریتمهای تکاملی