Megerősítéses tanulás alkalmazása 3D-s malomjáték fejlesztésében Unity környezetben

Abstract

A dolgozat a megerősítéses tanulás alkalmazását vizsgálja a 3D malomjáték keretein belül. A kutatás elsődleges célját egy önálló döntéshozatalra képes ágens fejlesztése jelentette. A dolgozat összehasonlítja a klasszikus Minimax algoritmust a modernebb tapasztalatalapú megközelítéssel, kitérve a keresőfaalapú módszer korlátaira és magas erőforrásigényére. A dolgozat ismerteti a tanítási folyamat módszertanát, valamint az elkészített szoftveres implementáció leírását. Az elkészült modell teljesítményét a Minimax algoritmussal veti össze a hatékonyság és a válaszidő szempontjából. A mérési eredmények alapján a modell elsajátította a malomjáték szabályrendszerét, és hatékony döntéseket képes meghozni. A modell a Minimax algoritmushoz képest gyorsabb és kiszámíthatóbb döntéshozatalt tesz lehetővé.