Multistage Temporal Difference Learning for 2048-Like Games

Szubert and Jaśkowski successfully used temporal difference (TD) learning together with n -tuple networks for playing the game 2048. However, we observed a phenomenon that the programs based on TD learning still hardly reach large tiles. In this paper, we propose multistage TD (MS-TD) learning, a k...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE transactions on computational intelligence and AI in games. Ročník 9; číslo 4; s. 369 - 380
Hlavní autoři:	Yeh, Kun-Hao, Wu, I-Chen, Hsueh, Chu-Hsuan, Chang, Chia-Chuan, Liang, Chao-Chin, Chiang, Han
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.12.2017
Témata:	2048 expectimax Games Law Learning (artificial intelligence) Learning systems Measurement stochastic puzzle game temporal difference (TD) learning threes
ISSN:	1943-068X, 1943-0698
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!