[spa] El objetivo de este trabajo de fin de máster es el análisis y
la comparación de diferentes modelos de inteligencia artificial aplicados al juego “Hungry Geese”, una versión del mítico juego “Snake”, pero con gansos, de manera que múltiples
agentes compiten entre sí con el objetivo de sobrevivir más
tiempo. Se han desarrollado varios agentes con diversas metodologías con el fin de explicarlos y analizarlos. Los agentes
implementados son un modelo determinista, un modelo basado en Monte Carlo Tree Search (MCTS), otro creado con redes
neuronales convolucionales mediante un entrenamiento supervisado y, por último, un agente entrenado mediante la técnica
de Reinforcement Learning con actor-critic learning, cuyos
resultados no han sido satisfactorios. Finalmente, se exponen
los resultados obtenidos por cada uno de los agentes implementados con el fin de detectar cuál es la técnica que permite
obtener una mejor puntuación en el juego.
[eng] This master’s thesis aims to analyze and compare different artificial intelligence models applied to the game “Hungry Geese”, a version of the mythical game “Snake”, but with geese,
in such a way that multiple agents compete with each other in
order to survive longer. Various agents have been developed
with various techniques in order to explain and analyze them.
The implemented agents are a deterministic model, a model
based on Monte Carlo Tree Search (MCTS), another created
with convolutional neural networks through supervised training and an agent trained using the technique of Reinforcement Learning with actor-critic learning, whose results have
not been satisfactory. Finally, the results obtained by each of
the implemented agents are exposed in order to detect which is
the technique that allows obtaining a better score in the game.