Breve Trabajo Práctico de la materia Aprendizaje Por Refuerzos, Departamento de Computación, FCEyN, UBA (2do Cuatrimestre 2016)
El agente construido utiliza el algoritmo de Q-Learning, un algoritmo de Aprendizaje por Refuerzos para la construcción de un agente model-free que utiliza los refuerzos obtenidos para estimar la función de estado-valor Q(s, a), que representa la máxima ganancia esperada a partir del estado s si se ejecuta la acción a, y siguiendo la política óptima en función de la estimación de Q en cada paso.
El código está basado en el agente de TicTacToe disponible en https://gist.github.com/fheisler/430e70fa249ba30e707f