강화학습을 통한 윷놀이 최적 전략의 학습 및 윷놀이에 대한 고찰

송승규; 천다호; 민승기

doi:10.7232/JKIIE.2024.50.5.304

추천

검색

질문

자료유형: 학술저널

저자정보: 송승규 (서울대학교) 천다호 (한국과학기술원) 민승기 (한국과학기술원)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제50권 제5호

발행연도: 2024.10

수록면: 304 - 312 (9page)

DOI: 10.7232/JKIIE.2024.50.5.304

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In our research, we adopt a reinforcement learning approach to analyze Yut nori, a traditional Korean board game. We present a succinct Markov game formulation of Yut nori and devise an effective training procedure based on temporal difference learning. The strategy developed through our model achieves a 93% win rate against random strategies and a 55% win rate against human players. Self-play simulations reveal several stylized facts about Yut nori. For instance, the first player has a slight advantage over the second player, and the predicted win rate increases by approximately 10% point each time a game piece (Mal) reaches the finish position.

#Yut Nori #Board Game #Reinforcement Learning #AI Player

참고문헌 (8)

참고문헌 신청

Bertsekas, D. (2012), Dynamic Programming and Optimal Control: Volume I (Vol. 4), Athena scientific.

Jiang, Z. and Liang, J. (2017, September), Cryptocurrency Portfolio Management with Deep Reinforcement Learning, In 2017 Intelligent Systems Conference (IntelliSys), IEEE, 905-913.

Shannon, C. E. (1950), XXII. Programming a Computer for Playing Chess, The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 41(314), 256-275.

Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., Van Den Driessche, G., ... and Hassabis, D. (2016), Mastering the Game of Go with Deep Neural Networks and Tree Search, Nature, 529(7587), 484-489.

Tesauro, G. (1995), Temporal Difference Learning and TD-Gammon, Communications of the ACM, 38(3), 58-68.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

강화학습을 통한 윷놀이 최적 전략의 학습 및 윷놀이에 대한 고찰

송승규 , 천다호 , 민승기 대한산업공학회 추계학술대회 논문집 2023 .11

병원 외 심장마비 적시 대응을 위한 자동심장충격기(AED) 배치 최적화

손정민 , 임정호 , 김도원 대한산업공학회지 2023 .12

머신러닝 및 베이지안 최적화를 이용한 타이어 최적 설계

황하은 , 조윤상 , 황석철 외 1명 대한산업공학회지 2022 .08

상장기업 내부감사기구에 대한 비판적 검토: 감사위원회와 감사의 실증 비교 분석을 중심으로

김우진 , 정준혁 법경제학연구 2025 .04

서울시 자율주행버스 운영 확대를 위한 최적 노선 제안

안진모 , 정인태 , 최민준 외 1명 대한산업공학회 추계학술대회 논문집 2024 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090897287

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)