Das Erlernen von Spielverhalten anhand des "Reinforcement Learning" bei Videospielen
- 112 Seiten
- 4 Lesestunden
Die Arbeit beschreibt die Entwicklung eines Softwareagents, der Spielverhalten durch Reinforcement Learning erlernt. Dabei wird die Umwelt durch ein "Grid" wahrgenommen, das den Zustand der Spielwelt abbildet. Zur Optimierung der Zustandsmenge wird der k-Means-Algorithmus eingesetzt, um die Komplexität zu reduzieren. Diese innovative Herangehensweise verbindet Aspekte der Informatik mit praktischen Anwendungen im Bereich des maschinellen Lernens und der Spieleentwicklung.
