Rubikin kuution ratkaiseminen vahvistavan koneoppimisen avulla

Abstract

Tässä työssä tutkittiin vahvistavalla oppimisella koulutetun tiheän neuroverkon kykyä oppia ratkaisemaan Rubikin kuutio -pulmalelu. Kuutiolle rakennettiin matemaattinen malli, jonka perusteella koodattiin kuutiota simuloiva ympäristö koneoppiagentin käytettäväksi. Työssä selvitettiin agentin pohjana olevan deep Q-learning -neuroverkkotekniikan toimintaperiaatteita ja parametrejä. Lisäksi tutkittiin muita oppimiseen vaikuttavia tekniikoita: one hot encoding, replay memory ja monimutkaisuuden vaiheittainen lisääminen. Toteutettu agentti saavutti tavoitteensa, joka oli kolmella liikkeellä sekoitetun kuution ratkaiseminen.