Impacto de constantes en algoritmo q-learning en pac-man

dc.contributorTakahashi Rodriguez, Silvia
dc.creatorMartínez Contreras, Juan Pablo
dc.date.accessioned2023-02-03T13:53:49Z
dc.date.accessioned2023-09-07T01:24:09Z
dc.date.available2023-02-03T13:53:49Z
dc.date.available2023-09-07T01:24:09Z
dc.date.created2023-02-03T13:53:49Z
dc.date.issued2022-02-02
dc.identifierhttp://hdl.handle.net/1992/64590
dc.identifierinstname:Universidad de los Andes
dc.identifierreponame:Repositorio Institucional Séneca
dc.identifierrepourl:https://repositorio.uniandes.edu.co/
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8728333
dc.description.abstractSe analiza el impacto de variables en la función de q-learning para el juego pacman.
dc.languagespa
dc.publisherUniversidad de los Andes
dc.publisherIngeniería de Sistemas y Computación
dc.publisherFacultad de Ingeniería
dc.publisherDepartamento de Ingeniería Sistemas y Computación
dc.relationHabib, N. (2019). Hands-on Q-learning with python: Practical Q-learning with openai gym, Keras, and tensorflow. Packt. Alo_
dc.relationP. Rakshit et al., "Realization of an Adaptive Memetic Algorithm Using Differential Evolution and Q-Learning: A Case Study in Multirobot Path Planning," in IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 43, no. 4, pp. 814-831, July 2013, doi: 10.1109/TSMCA.2012.2226024.
dc.relationFan, J., Wang, Z., Xie, Y., & Yang, Z. (2020, July). A theoretical analysis of deep Q-learning. In Learning for Dynamics and Control (pp. 486-489). PMLR.
dc.relationUniversity of Berkley, PacMan proyects version 1.001 CS188 Intro to AI ¿ Course Materials
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional
dc.rightshttps://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.titleImpacto de constantes en algoritmo q-learning en pac-man
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución