هدف: هدف اصلی بررسی و بهبود عملکرد مدل‌های Double Deep Q-Learning Network دربازی‌های اول‌شخص تیرانداز با تمرکز بر رقابت هوشمند است.
روش: در این پژوهش، از مدل‌های Deep Q-Network (DQN) و Deep Double Deep Q-Netwok (DDQN) برای بازی جنگ استفاده‌شده است. ابتدا، مدل‌های DQN و DDQN موردبررسی قرارگرفته شده و سپس با روش بازپخش تجربه اولویت‌دار ، عملکرد آن بهبود داده‌شده است. از سه محیط بازی آزمایشی برای بررسی و ارزیابی مدل‌ها استفاده‌شده است.
یافته‌ها: یافته‌های این پژوهش نشان می‌دهد که معماری پیشنهادیDouble Deep Q-Network با روش بازپخش تجربه اولویت‌دار، عملکرد بهتری نسبت به سایر الگوریتم‌های پیشنهادی در این زمینه داشته است.
نتیجه‌گیری: استفاده از روش بازپخش تجربه اولویت‌دار در یادگیری تقویتی، مزایای قابل‌توجهی را به همراه دارد که منجر به ارتقای عملکرد عامل هوش مصنوعی می‌شود. این روش با بهره‌گیری از داده‌ها و تجربیات باکیفیت، به‌طور هدفمند بر روی تجربیات آموزنده‌تر تمرکز می‌کند و بدین ترتیب، کارایی نمونه‌برداری را به‌طور قابل‌توجهی افزایش می‌دهد.
سعادتی رازیان، جعفر، اصغرزاده بناب، اکبر، محمدی، علیرضا و جبار زاده، صابر. (1402). رویکرد نوین در بازی‌های اول شخص تیرانداز با استفاده از یادگیری تقویتی عمیق. (e201315). دوفصلنامه بازی جنگ، 6(13)، e201315 https://doi.org/10.22034/ijwg.2024.453676.1083
MLA
سعادتی رازیان، جعفر، اصغرزاده بناب، اکبر، محمدی، علیرضا، و جبار زاده، صابر. "رویکرد نوین در بازی‌های اول شخص تیرانداز با استفاده از یادگیری تقویتی عمیق" .e201315 ، دوفصلنامه بازی جنگ، 6، 13، 1402، e201315. doi: 10.22034/ijwg.2024.453676.1083
HARVARD
سعادتی رازیان، جعفر، اصغرزاده بناب، اکبر، محمدی، علیرضا، و جبار زاده، صابر. (1402). 'رویکرد نوین در بازی‌های اول شخص تیرانداز با استفاده از یادگیری تقویتی عمیق'، دوفصلنامه بازی جنگ، 6(13), e201315. doi: 10.22034/ijwg.2024.453676.1083
CHICAGO
سعادتی رازیان، جعفر، اصغرزاده بناب، اکبر، محمدی، علیرضا و جبار زاده، صابر، "رویکرد نوین در بازی‌های اول شخص تیرانداز با استفاده از یادگیری تقویتی عمیق." دوفصلنامه بازی جنگ، 6 13 (1402): e201315, doi: 10.22034/ijwg.2024.453676.1083
VANCOUVER
سعادتی رازیان جعفر، اصغرزاده بناب اکبر، محمدی علیرضا، جبار زاده صابر. رویکرد نوین در بازی‌های اول شخص تیرانداز با استفاده از یادگیری تقویتی عمیق. بازی جنگ. 1402;6(13):e201315. doi: 10.22034/ijwg.2024.453676.1083
