Agent mora da ostane u igri što duže, odnosno mora što više redova da riješi.
Akcije na raspolaganju su: pomjeri lijevo, pomjeri desno, rotiraj Tetramino. Okruženje ću Implementirati ili pomoću postojećeg API ili rješenja sa Githaba.
Algoritmi:
Algoritam baziran na minimaxu.
Metrika za mjerenje performansi:
Agent koji riješi više redova prije kraja igre akumuliraće veću nagradu.
Student:
Asistent:
Problem koji se rješava:
Algoritmi:
Metrika za mjerenje performansi: