Entwicklung von Reinforcement-Learning-Agenten für Strategie-Gesellschaftsspiele

Abstract

Es wird die Entwicklung von reinforcement learning Agenten untersucht. Dies geschieht am Beispiel eines Strategie-Gesellschaftsspiels. Es wird die Programmiersprache C++ und das Qt-Framework verwendet. Dabei werden insbesondere Konzeptionierung und Realisierung von Agenten mit den reinforcement learning Algorithmen Monte Carlo, Q-Learning, Sarsa und Sarsa(l) untersucht. In einem abschließenden Vergleich werden die Eignung und die Effizienz der verschiedenen Algorithmen für das gewählte Beispiel gegenüber gestellt. Hierbei zeigt sich, dass die komplexeren Aglorithmen der TD-Aglorithmen die besten Ergebnisse erzielen.

The development of reinforcement learning agents is under investigation. For this the example of a strategy parlor game is used. The programming language C++ and the Qt framework is applied. In particular, conception and realization of agents with the reinforcement learning algorithms Monte Carlo, Q-learning, Sarsa and Sarsa(l) are investigated. In a final comparison the suitability and the efficiency of the different algorithms are being compared. The more complex algorithms among the TD algorithms achieved the best results.