refs.bib

@article{browne2012,
    author = {Browne, Cameron and Powley, Edward and Whitehouse, Daniel and Lucas, Simon and Cowling, Peter and Rohlfshagen, Philipp and Tavener, Stephen and Perez Liebana, Diego and Samothrakis, Spyridon and Colton, Simon},
    year = {2012},
    month = {03},
    pages = {1-43},
    title = {A Survey of Monte Carlo Tree Search Methods},
    volume = {4:1},
    journal = {IEEE Transactions on Computational Intelligence and AI in Games},
    doi = {10.1109/TCIAIG.2012.2186810}
}

@InProceedings{kocsis2006,
    author="Kocsis, Levente
    and Szepesv{\'a}ri, Csaba",
    editor="F{\"u}rnkranz, Johannes
    and Scheffer, Tobias
    and Spiliopoulou, Myra",
    title="Bandit Based Monte-Carlo Planning",
    booktitle="Machine Learning: ECML 2006",
    year="2006",
    publisher="Springer Berlin Heidelberg",
    address="Berlin, Heidelberg",
    pages="282--293",
    abstract="For large state-space Markovian Decision Problems Monte-Carlo planning is one of the few viable approaches to find near-optimal solutions. In this paper we introduce a new algorithm, UCT, that applies bandit ideas to guide Monte-Carlo planning. In finite-horizon or discounted MDPs the algorithm is shown to be consistent and finite sample bounds are derived on the estimation error due to sampling. Experimental results show that in several domains, UCT is significantly more efficient than its alternatives.",
    isbn="978-3-540-46056-5"
}


@book{behnke2020,
    author={Behnke, Joachim},
    title={Entscheidungs- und Spieltheorie},
    series={Studienkurs Politikwissenschaft},
    year={2020},
    edition={2},
    publisher={Nomos Verlagsgesellschaft mbH {\&} Co. KG},
    address={Baden-Baden},
    abstract={In recent years, decision theory and game theory have dramatically gained in importance in the social sciences and especially in political science. Game theory relates to the strategic decisions of rational individuals, and one of its most important contributions is its normative examination of social institutions. The new and second edition of this book has been reviewed and updated.},
    isbn={978-3-7489-0363-5},
    doi={10.5771/9783748903635},
    url={https://doi.org/10.5771/9783748903635},
    language={de}
}

@book{schwaiger2019,
    author={Schwaiger, Roland and Steinwendner, Joachim},
    title={Neuronale Netze programmieren mit Python},
    year={2019},
    edition={1},
    publisher={Rheinwerk Computing},
    address={Bonn},
    abstract={Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren derzeit die verschiedensten Anwendungsgebiete vom Strategiespiel bis zur Bild- und Spracherkennung. In neuronalen Netzen stecken geniale Ideen, die sich zum Glück einfach erklären lassen. Unsere Experten helfen Ihnen dabei, neuronale Netze zu verstehen und selber zu entwickeln. Um sie gewinnbringend einzusetzen, programmieren Sie verschiedene Netztypen selbst nach. Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Alles wird Ihnen besonders anschaulich mit zahlreichen Abbildungen erklärt. Ein faszinierendes Buch, das Ihnen den Durchblick in der KI-Welt bringt.},
    isbn={978-3-8362-6142-5},
    language={de}
}}