Aplicación de distintos algoritmos de IA y RL para aprender a jugar a Connect4

El objetivo de este proyecto es implementar un juego de Connect 4 y añadirle varios algoritmos de IA que sirvan como oponentes a un jugador real y entre ellos mismos. De estos algoritmos implementados realitzar varias pruebas sobre los parámetros que regulan su comportamiento con el objetivo de estudiar cómo interactua cada uno con los otros y cuál es el más eficiente. Los algoritmos implementados son Minimax, Minimax con poda alfabeta, Monte Carlo Tree Search y una implementación parcial del algoritmo de Reinforcement Learning conocido como AlphaZero, el cual aplica el MCTS pero utilizando una red neuronal entrenada para predecir los mejores movimientos.The objective of this project is to implement a Connect 4 game and use different AI algorithms that act as opponents to a real player and among themselves. Of these implemented algorithms, carry out several tests on the parameters that regulate their behavior in order to study how each interacts with the others and which is the most efficient. The algorithms implemented are Minimax, Minimax with alphabetic pruning, Monte Carlo Tree Search and a partial implementation of the Reinforcement Learning algorithm known as AlphaZero, which applies the MCTS but using a trained neural network to predict the best movements.L'objectiu d'aquest projecte és implementar un joc de Connect 4 i afegir diversos algoritmes d'IA que serveixin com a oponents a un jugador real i entre ells mateixos. D'aquests algoritmes implementats realitzar diverses proves sobre els paràmetres que regulen el seu comportament amb l'objectiu d'estudiar com interactua cada un amb els altres i quin és el més eficient. Els algoritmes implementats són Minimax, Minimax amb poda alfabeta, Montecarlo Tree motor i una implementació parcial de l'algoritme de Reinforcement Learning conegut com AlphaZero, el qual s'aplica el MCTS però utilitzant una xarxa neuronal entrenada per predir els millors moviments