Treffer: Implementación y comparación de diferentes algoritmos de Machine Learning para el aprendizaje y resolución del videojuego Super Mario World (SNES) ; Implementation and comparison of different Machine Learning algorithms for learning and resolution of Super Mario World video game (SNES)

Title:
Implementación y comparación de diferentes algoritmos de Machine Learning para el aprendizaje y resolución del videojuego Super Mario World (SNES) ; Implementation and comparison of different Machine Learning algorithms for learning and resolution of Super Mario World video game (SNES)
Authors:
Rodríguez Sánchez, Álvaro
Contributors:
Martínez Hinarejos, Carlos David, Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació, Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica
Source:
Repositorio Institucional de la Universitat Politècnica de València
Publisher Information:
Universitat Politècnica de València
Publication Year:
2021
Subject Terms:
edu, lang
Subject Geographic:
east=-0.4257591341644362, north=39.52077260645775, name=Passeig Penyal d'Ifach, 46980 Paterna, Valencia, Espanya
Document Type:
Dissertation thesis
Language:
Spanish; Castilian
Relation:
http://hdl.handle.net/10251/172613
Availability:
http://hdl.handle.net/10251/172613
Rights:
lic_creative-commons ; other
Accession Number:
edsbas.DC41D45D
Database:
BASE

Weitere Informationen

[EN] The objective of this end-of-degree project is to develop and implement two different algorithms based on Machine Learning for solving the Super Mario World video-game on the Super Nintendo Entertainment System (SNES) console, using the gym-retro library offered by OpenAI in the Python programming language. The first algorithm to be used Evolutionary Algorithm that will learn through a fitness function and the selection of the best samples to create the best possible player; this algorithm will be carried out using NEAT-Python. The second algorithm to be used will be a Reinforcement Learning algorithm, specifically Deep Q-Learning, which when it is applied to low-complexity games it has obtained promising results. Finally, we will proceed to the comparison of the re-sults obtained after using both algorithms, thus being able to show which of the two algorithms is more interesting for the resolution of a platform game. TFGM ; [ES] El objetivo del TFG propuesto es desarrollar e implementar dos algoritmos distintos basados en 'machine learning' en el videojuego Super Mario World de la consola Super Nintendo Entertaiment System (SNES), utilizando para ello la librería `gym-retro` que nos ofrece OpenAI en el lenguaje de programación Python. El primer algoritmo que será utilizado será un algoritmo evolutivo en el que se irá aprendiendo mediante una `fitness function¿ y la selección de las mejores muestras para crear el mejor jugador posible; este algoritmo será llevado acabo mediante NEAT-Python. El segundo algoritmo utilizado será un algoritmo de aprendizaje por refuerzo, en concreto Deep Q-Learning, que al ser aplicado a juegos de poca complejidad ha permitido obtener resultados prometedores. Finalmente se pasará a la comparación de los resultados obtenidos tras usar sendos algoritmos, pudiendo así demostrar cuál de los dos algoritmos resulta más interesante para la resolución de un juego de plataformas. Rodríguez Sánchez, Á. (2021). Implementación y comparación de diferentes algoritmos de Machine Learning para ...