Learning deadlocks in sokoban

Detalhes bibliográficos
Autor(a) principal: Boelter, Jean Persi
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/190174
Resumo: Nesta tese, apresentamos uma abordagem para detecção de deadlocks em Sokoban baseada em redes neurais. Sokoban é um problema de espaço de estados desafiador na inteligência artificial devido a muitas características, sendo a presença de deadlocks uma delas. Um deadlock é um estado alcançável a partir do estado inicial que não consegue atingir nenhum estado de objetivo. Um algoritmo de busca informada visa encontrar em um espaço de estados uma sequência ordenada de ações que transformam o estado inicial em um estado objetivo. A detecção de deadlocks é essencial para aumentar o desempenho de um algoritmo de busca informada. Pattern databases são a atual heurística estado da arte para detecção de deadlock em Sokoban. Apresentamos métodos para gerar um conjunto de treinamento e treinar uma rede neural para detectar deadlocks. Nossa abordagem tem um desempenho semelhante a pattern databases. Quando comparado com a função heurística padrão do Sokoban resolvemos duas instâncias a mais enquanto exploramos uma ordem de grandeza menos estados.
id UFRGS-2_7a1b68b9f6d71b97ee6be71c39cc20fe
oai_identifier_str oai:www.lume.ufrgs.br:10183/190174
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Boelter, Jean PersiPereira, André Grahl2019-04-09T02:34:44Z2018http://hdl.handle.net/10183/190174001088740Nesta tese, apresentamos uma abordagem para detecção de deadlocks em Sokoban baseada em redes neurais. Sokoban é um problema de espaço de estados desafiador na inteligência artificial devido a muitas características, sendo a presença de deadlocks uma delas. Um deadlock é um estado alcançável a partir do estado inicial que não consegue atingir nenhum estado de objetivo. Um algoritmo de busca informada visa encontrar em um espaço de estados uma sequência ordenada de ações que transformam o estado inicial em um estado objetivo. A detecção de deadlocks é essencial para aumentar o desempenho de um algoritmo de busca informada. Pattern databases são a atual heurística estado da arte para detecção de deadlock em Sokoban. Apresentamos métodos para gerar um conjunto de treinamento e treinar uma rede neural para detectar deadlocks. Nossa abordagem tem um desempenho semelhante a pattern databases. Quando comparado com a função heurística padrão do Sokoban resolvemos duas instâncias a mais enquanto exploramos uma ordem de grandeza menos estados.In this thesis, we present an approach for deadlock detection in Sokoban based on neural networks. Sokoban is a challenging state space problem in artificial intelligence due to many characteristics, being the presence of deadlocks one of them. A deadlock is a state reachable from the initial state which cannot reach any goal state. An informed search algorithm aims to find in a state space an ordered sequence of actions that transform the initial state into a goal state. Deadlock detection is essential to increase the performance of an informed search algorithm. Pattern databases are the current state of the art heuristic for deadlock detection in Sokoban. We present methods to generate a training set and train a neural network to detect deadlocks. Our approach has a similar performance to a pattern database. When compared to the standard heuristic function of Sokoban we solved two more instances while exploring an order of magnitude fewer states.application/pdfengRedes neuraisSokobanDeadlocksHeuristic SearchNeural NetworksLearning deadlocks in sokobanAprendendo Deadlocks em Sokoban info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2018Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001088740.pdf.txt001088740.pdf.txtExtracted Texttext/plain62620http://www.lume.ufrgs.br/bitstream/10183/190174/2/001088740.pdf.txt7ba5ad43f84f248390a7d02cb7abb8d2MD52ORIGINAL001088740.pdfTexto completo (inglês)application/pdf282011http://www.lume.ufrgs.br/bitstream/10183/190174/1/001088740.pdf880e77804e4910918ab4d9aa01820024MD5110183/1901742021-05-26 04:46:07.187065oai:www.lume.ufrgs.br:10183/190174Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-05-26T07:46:07Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Learning deadlocks in sokoban
dc.title.alternative.pt.fl_str_mv Aprendendo Deadlocks em Sokoban
title Learning deadlocks in sokoban
spellingShingle Learning deadlocks in sokoban
Boelter, Jean Persi
Redes neurais
Sokoban
Deadlocks
Heuristic Search
Neural Networks
title_short Learning deadlocks in sokoban
title_full Learning deadlocks in sokoban
title_fullStr Learning deadlocks in sokoban
title_full_unstemmed Learning deadlocks in sokoban
title_sort Learning deadlocks in sokoban
author Boelter, Jean Persi
author_facet Boelter, Jean Persi
author_role author
dc.contributor.author.fl_str_mv Boelter, Jean Persi
dc.contributor.advisor1.fl_str_mv Pereira, André Grahl
contributor_str_mv Pereira, André Grahl
dc.subject.por.fl_str_mv Redes neurais
topic Redes neurais
Sokoban
Deadlocks
Heuristic Search
Neural Networks
dc.subject.eng.fl_str_mv Sokoban
Deadlocks
Heuristic Search
Neural Networks
description Nesta tese, apresentamos uma abordagem para detecção de deadlocks em Sokoban baseada em redes neurais. Sokoban é um problema de espaço de estados desafiador na inteligência artificial devido a muitas características, sendo a presença de deadlocks uma delas. Um deadlock é um estado alcançável a partir do estado inicial que não consegue atingir nenhum estado de objetivo. Um algoritmo de busca informada visa encontrar em um espaço de estados uma sequência ordenada de ações que transformam o estado inicial em um estado objetivo. A detecção de deadlocks é essencial para aumentar o desempenho de um algoritmo de busca informada. Pattern databases são a atual heurística estado da arte para detecção de deadlock em Sokoban. Apresentamos métodos para gerar um conjunto de treinamento e treinar uma rede neural para detectar deadlocks. Nossa abordagem tem um desempenho semelhante a pattern databases. Quando comparado com a função heurística padrão do Sokoban resolvemos duas instâncias a mais enquanto exploramos uma ordem de grandeza menos estados.
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-04-09T02:34:44Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/190174
dc.identifier.nrb.pt_BR.fl_str_mv 001088740
url http://hdl.handle.net/10183/190174
identifier_str_mv 001088740
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/190174/2/001088740.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/190174/1/001088740.pdf
bitstream.checksum.fl_str_mv 7ba5ad43f84f248390a7d02cb7abb8d2
880e77804e4910918ab4d9aa01820024
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224571199684608

Registros relacionados