سامانه همایش ها

English

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Short-term gains vs. long-term Success: Reward strategy design for reinforcement learning in football

نویسندگان :

Mohammad Pashaei¹ Amirhossein Tayebi² Hadi Amiri³ Ali Fahim⁴

1- Department of Engineering Science, University of Tehran, Tehran, Iran 2- Department of Engineering Science, University of Tehran, Tehran, Iran 3- Department of Engineering Science, University of Tehran, Tehran, Iran 4- Department of Engineering Science, University of Tehran, Tehran, Iran

کلمات کلیدی :

Reinforcement Learning،Multi-agent systems،Soccer Simulation

چکیده :

Reinforcement learning in complex games like soccer relies heavily on how you define your reward function and environment. In this work, we developed a custom 3v3 soccer environment and implemented two RL-based teams with distinct learning trends: one with a fast convergence but limited long-term adaptation, and another with a slower yet more robust learning trajectory. Simulation shows that despite performing better at the start, the short-term agents fall short of the performance of the long-term agents in the long run, and after passing 50% of the episodes, the win rate of long-term agents rises from 30% in the beginning to 50%.

لیست مقالات

لیست مقالات بایگانی شده

Data Mining in the Age of Information Explosion: An Intelligent Analysis Tool for Social Media

Hossein Bodaghi Khajeh Noubar - Seyed Meead Hosseini - Shiva Mohammadi

علم داده به عنوان شتاب‌دهنده نوآوری در صنعت مهندسی

رامین احمدپور

ارزیابی و وقوع تئوری آشوب با ماهیت تصادفی در سیستم های هوشمند

مهران جوانی

Recent Advances and Open Challenges in Explainable AI for Deep Learning-based Recommender Systems

Narjes Badpar - Azita Shirazipour - Seyed Javad Mirabedini

تحلیل نقش رایانش ابری در چابکی زنجیره تأمین

دکتر غلامرضا جمالی - توحید بهزادی فرد - حسن ایزدی فر

نقش حسابداری مدیریت استراتژیک در تصمیم‌گیری استراتژیک

محمدرضا مهربان پور - جواد محمدی مهر

کاربرد هوش مصنوعی در ارتقای امنیت اینترنت اشیاء: از الگوریتم‌های یادگیری عمیق تا استراتژی‌های سازمانی

علی غلام نتاج - محمدعرفان رحمانیان کوشککی - امیدرضا حمیدی نیا - عباسعلی میرزایی فرد

مروری بر نظام مسئله پیش‌بینی محبوبیت اخبار و الگوریتم‌های ارائه شده برای آن

مجتبی ولی پور - مجید عبدالرزاق نژاد

High-throughput microfluidic electroporation system using 3D-hydrodynamic focusing

Zohre Nazemi Dehkordi - Ali Abouei Mehrizi

Ultimate Failure Load of Plate-Based Fixation and a Suture Anchor for Rotator Cuff Repair Across Polyurethane Bone Densities

Parviz Ahangar - Solmaz Mojadam Mofrad - Amir Nourani - Amirhasan Amini - Erfan Ahmadpour Joeini - Mohammad nasir Naderi

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.4.1