Resumen

En este estudio, se aplican los algoritmos híbridos estado-acción-recompensa-estado-acción (SARSA) y Q-learning a diferentes etapas de un límite superior aplicado a la búsqueda en árbol para el ajedrez tibetano Jiu. Además, se utiliza Q-learning para actualizar todos los nodos en el camino de búsqueda al finalizar cada partida. Se propone una estrategia de aprendizaje que utiliza los algoritmos SARSA y Q-learning combinando conocimiento del dominio para una función de retroalimentación en las etapas de diseño y batalla. Se emplea una red neuronal profunda mejorada basada en ResNet18 para el entrenamiento de autojuego. Los resultados experimentales muestran que el aprendizaje por refuerzo híbrido en línea y fuera de línea con una red neuronal profunda puede mejorar la eficiencia de aprendizaje y la capacidad de comprensión de los programas de juego para el ajedrez tibetano Jiu.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Híbrido; Sarsa; Q-learning; Límite de confianza superior; Red neuronal profunda; Aprendizaje por refuerzo
• Keywords:Hybrid; Sarsa; Q-learning; Upper confidence bound; Deep neural network; Reinforcement learning