Reinforcement Learning and its Application in Games

Abstract

This thesis starts by describing the fundamentals of reinforcement learning and various algorithms that it uses while emphasizing its recent revolution with deep learning. I implemented a subset of these methods and used them in different configurations for training intelligent agents to play the game of checkers in a self-play mode. Both standard and deep learning agents are compared, and the results are presented at the end of this paper.

Tato diplomová práce začíná popisem základů zpětnovazebního učení a algoritmů, které se v něm používají, včetně metod využívajících hluboké učení. Vybrané metody jsem naimplementoval a v různých konfiguracích použil k trénování umělé inteligence pro deskovou hru dáma. Jednotlivé inteligentní agenty jsem porovnal mezi sebou a výsledky publikoval na konci této práce.