بررسي روش‌هاي يادگيري ماشين در بازي‌هاي رايانه‌اي

بازي‌هاي رايانه‌اي را مي‌توان به چشم يك بستر مناسب براي آزمودن روش‌هاي مختلف يادگيري ماشين استفاده كرد. از جمله علاقه‌مندي‌هاي بازيكنان در بازي‌هاي رايانه‌اي، توجه آنها به تعامل با عامل‌هاي بازي و محيط بازي مي‌باشد. محيط بازي‌ها يك محيط غير‌قطعي، پويا، چند عامله و با ورودي غير پيوسته مي‌باشد. عامل‌ها بخاطر ذات بلادرنگ بودن محيط بازي‌ها بايد بتوانند عكس‌العملي سريع نسبت به تغييرات محيطي داشته باشند. بازي‌ها معمولا به دليل عمل‌هاي زيادي كه مي‌توانند در هر محيط و حالتي انجام‌دهند، حالت‌هاي دروني زيادي دارند. به همين علت فضاي حالت-عمل كه در بازي براي عامل هوشمند در نظر گرفته مي‌شود، بزرگ است و روش‌هاي جستجوي عادي براي يافتن بهترين حالت در آن بهينه و كارآمد نيستند. در بررسي‌هاي صورت گرفته روش‌هايي مانند شبكه‌هاي عصبي، يادگيري تقويتي و الگوريتم‌هاي تكاملي كه در بازي‌هاي رايانه‌اي استفاده مي‌گردند، مورد مطالعه قرار گرفتند. هر كدام از اين روش‌ها خود شامل زير دسته‌هايي مي‌باشند كه بر اساس قابليت‌هايي كه به الگوريتم مي‌دهند، بيشتر و يا كمتر در بازي‌ها استفاده مي‌شوند. امروزه بازي‌هاي متنوعي منتشر مي‌شوند و مي‌توان كمتر بازي را يافت كه از روش‌هاي يادگيري ماشين استفاده نكند. به همين دليل بررسي اين روش‌ها نيازمند مطالعه مقالات زيادي هم در حوزه دانشگاهي و هم در حوزه تجاري مي‌باشد.