در این پایان نامه، ما یک نسخه از بازی اقلیت را توسعه دادیم. بازی اقلیت به عنوان یک مدل مبتنی بر عامل برای تحلیل برخی از سیستم های پیچیده معرفی شده است. این مدل می تواند با شناخت عامل ها در محیط های مختلفی از جمله بازارهای مالی، ترافیک جاده ای، حمل ونقل بسته های الکترونیکی در اینترنت و موارد گوناگون دیگری بکار رود. این بازی یک مکانیزم رقابت برای استفاده از منابع محدود است. در شکل استاندارد آن، عامل ها با جداول استراتژی تصمیم گیری می کنند. این جداول بر اساس سوابق گذشته ساخته می شوند. در بازی اقلیت استاندارد یادگیری عامل ها از طریق امتیازدهی مجازی به این جداول صورت می گیرد؛ ما عامل های بازی اقلیت را به جای جداول استراتژی به شبکه های عصبی پرسپترون دولایه تجهیز می-کنیم و الگوریتم خطای پس انتشار برای یادگیری شبکه های عصبی مورد استفاده قرار می گیرد. در نهایت مقایسه ای بین عملکرد عامل ها در تصمیم گیری با این دو ابزار صورت می گیرد. نتایج نشان می دهدکه عامل ها با شبکه های عصبی پرسپترون دو لایه، تصمیم گیری بهتری داشته به طوری که نوسانات حضور عامل ها کاهش یافته و متوسط عملکرد آنها بهتر می گردند.