Deep Reinforcement Learning zum maschinellen Erlernen von Strategien zur Lösung von Zauberwürfeln

Abstract

In dieser Arbeit wird untersucht, wie neuronale Netzwerke trainiert werden können, damit diese Strategien zur Lösung von Zauberwürfeln entwickeln. Anschließend werden diese Netzwerke in geeignete Suchalgorithmen integriert, um die Effektivität und die Laufzeit bei der Lösungsfindung zu steigern.

This thesis investigates how neural networks can be trained to develop strategies for solving magic cubes. Subsequently, these networks are integrated into suitable search algorithms to enhance the effectiveness and efficiency of the solution finding process.