978-5-9500768-6-2 10.21661/a-465 Студенческая наука: современные реалии

В сборнике представлены материалы участников II Международной студенческой научно-практической конференции, посвященные актуальным вопросам науки и образования. Приведены результаты оригинальных научных разработок и учебно-методические пособия с участием студентов высшего и среднего профессионального образования, а также магистрантов.

 chief_editor Широков Олег Николаевич 425954@rambler.ru Абрамова Людмила Алексеевна labramova@interactive-plus.ru executive_editor Яковлева Татьяна Валериановна info@interactive-plus.ru associate_editor Семенова Светлана Юрьевна ssemenova@interactive-plus.ru chief_editor Широков Олег Николаевич Абрамова Людмила Алексеевна Бекназаров Рахым Агибаевич Иваницкий Александр Юрьевич Мейманов Бактыбек Каттоевич Студенческая наука: современные реалии Students' science: current realities 01 01 1900 Чебоксары Центр научного сотрудничества «Интерактив плюс» 2017 Copyright © Караев А. Д., Караева Д. А., 2017 2017 This work is licensed under a Creative Commons Attribution 4.0 License. 463889 Применение генетического алгоритма для имитации искусственного интеллекта в игре Караев Александр Дмитриевич Караева Дария Александровна dariandr95@gmail.com ФГАОУ ВО «Московский физико-технический институт (государственный университет)» Россия 53 60

в данной статье рассмотрен пример использования нейронной сети для создания интеллектуального бота для игры 2048. Использована модифицированная версия генетического алгоритма, подобраны оптимальные параметры для достижения высоких результатов. Показано, что написанная программа может достигать лучших результатов, нежели среднестатистический игрок.

 генетический алгоритм игры нейронные сети машинное обучение интеллектуальный бот References 1. Buckland M., Ai Techniques for Game Programmers. – Boston: Premier Press, 2002. Buckland M. Ai Techniques for Game Programmers Boston Premier Press 2. Goldberg, David (2002). The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Norwell, MA: Kluwer Academic Publishers. Goldberg, David (2002). The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Norwell, MA: Kluwer Academic Publishers 3. Rumelhart, David E.; Hinton, Geoffrey E.; Williams, Ronald J. (8 October 1986). «Learning representations by back-propagating errors». Nature. 323 (6088): 533–536. Ronald J. Rumelhart, David E.; Hinton, Geoffrey E.; Williams, (8 October 1986). «Learning representations by back-propagating errors». Nature. 323 (6088): 533–536 4. Schmitt, Lothar M (2004), Theory of Genetic Algorithms II: models for genetic operators over the string-tensor representation of populations and convergence to global optima for arbitrary fitness function under scaling, Theoretical Computer Science 310: 181–231 Schmitt, Lothar M (2004), Theory of Genetic Algorithms II: models for genetic operators over the string-tensor representation of populations and convergence to global optima for arbitrary fitness function under scaling, Theoretical Computer Science 310: 1 5. Генетический алгоритм // Wikipedia URL: https://ru.wikipedia.org/wiki/Генетический_алгоритм (дата обращения: 25.08.2017). Генетический алгоритм Wikipedia (дата обращения: 25.08.2017) https://ru.wikipedia.org/wiki/Генетический_алгоритм 6. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы- 2-е изд. – М: Горячая линия-Телеком, 2008. – С. 452. Рутковская Д. Пилиньский М. Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы- 2-е изд М Горячая линия-Телеком