Evolúciós és megerősítéses tanuló algoritmusok összehasonlítása “matt n lépésben” sakk szituációkban

Abstract

A szakdolgozat célja két mesterséges intelligencia‑alapú tanuló algoritmus, a Deep Q‑Network (DQN) és a Neuro‑evolution (NE) teljesítményének összehasonlítása sakk „mate in N” feladatokon. A kutatás során mindkét módszer teljes körű Python implementációja elkészült, Stockfish integrációval kiegészítve, amely a pozíciók kiértékelését és a feladatok validálását biztosította. A vizsgálat középpontjában az algoritmusok tanulási folyamata, stabilitása, hatékonysága és viselkedése állt különböző nehézségű feladatok esetén. A teljesítményt részletes statisztikai elemzéssel értékeltem, többek között lépésszámok, jutalomgörbék, fitness‑értékek, mutációs paraméterek, valamint győzelmi ráták és varianciák alapján. Minden vizsgált mutatóhoz grafikus ábrákat is készítettem, hogy a tanulási mintázatok és eltérések szemléletesen összehasonlíthatók legyenek. A két algoritmus eltérő működési elveiből fakadóan különböző erősségeket mutatott: a DQN gyorsabban tanult és magasabb győzelmi rátát ért el, míg a Neuro‑evolution sikeresebb megoldásokra volt képes. A dolgozat célja átfogó képet adni arról, hogyan viselkedik a két megközelítés a sakkfeladatok során, és milyen tényezők befolyásolják teljesítményüket.