文献

J-GLOBAL ID：201802240863959001   整理番号：18A1511320

StarcRAFT IIにおける受注生産のための強化学習【JST・京大機械翻訳】

Reinforcement Learning for Build-Order Production in StarCraft II

著者 (4件)： Tang Zhentao (Institute of Automation Chinese Academy of Sciences University of Chinese Academy of Sciences, The State Key Laboratory of Management and Control for Complex Systems, Beijing, 100190, China) ,  Zhao Dongbin (Institute of Automation Chinese Academy of Sciences University of Chinese Academy of Sciences, The State Key Laboratory of Management and Control for Complex Systems, Beijing, 100190, China) ,  Zhu Yuanheng (Institute of Automation Chinese Academy of Sciences University of Chinese Academy of Sciences, The State Key Laboratory of Management and Control for Complex Systems, Beijing, 100190, China) ,  Guo Ping (Institute of Automation Chinese Academy of Sciences University of Chinese Academy of Sciences, The State Key Laboratory of Management and Control for Complex Systems, Beijing, 100190, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIST  ページ： 153-158  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Star船 IIは,最も一般的なリアルタイム戦略ゲームの一つであり,多くの挑戦を伴う複雑な環境を提供するので,AI研究のための重要なベンチマークになっている。構築順序問題は,現在のゲーム状況に基づいて製造するために,建築物とユニットの順序とタイプに関する重要な課題のひとつであった。既存の手技法とは対照的に,2つの強化学習に基づくモデルを提案した:ニューラルネットワークの学習Q学習(NNFQ)と畳込みニューラルネットワークの融合Q学習(CNNFQ)。NNFQとCNNFQは,天敵レースに対抗するための簡単な投票に適用されている。実験結果は,これらの2つのモデルの両方が,最も効果的な生産シーケンスを見つけることができて,反対になることを示している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *受注生産 ,  ニューラルネットワーク ,  *強化学習 ,  *学習 ,  順序づけ問題 ,  ベンチマーク ,  ゲーム ,  船舶
準シソーラス用語： 畳込みニューラルネットワーク ,  Q学習 ,  実時間 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 受注 ,  強化学習