Uporaba genetskih algoritmov za učenje inteligentnih agentov v računalniških igrah

diplomsko delo

Jure Bevc (Avtor), Iztok Lebar Bajec (Mentor), Jure Demšar (Komentor)

Povzetek

Uporaba strojnega učenja v računalniških igrah postaja vse bolj pogosta za razvoj vedenja inteligentih agentov. Najpogostejši pristop k problemu je uporaba spodbujevanega učenja, ki se je že večkrat izkazalo za učinkovito pri iskanju robustnih rešitev. V diplomski nalogi smo, kot alternativno rešitev, uporabili genetske algoritme, ki so kljub njihovi enostavnosti le redko uporabljeni za razvoj vedenja inteligentnih agentov. Učinkovitost implementacije smo primerjali s splošno razširjeno rešitvijo ML-Agents, ki je osnovana na spodbujevanem učenju. Primerjava med pristopoma je bila izvedena na dveh popularnih igrah, pod primerljivimi pogoji. Naši rezultati nakazujejo, da je uporaba genetskih algoritmov smiselna za enostavnejše scenarije, medtem ko se v bolj kompleksnih primerih, ko je za reševanje danega problema zahtevano kompleksnejše vedenje, naša rešitev ni obnesla najbolje.

Ključne besede

genetski algoritmi;spodbujevano učenje;računalniške igre;računalništvo in informatika;univerzitetni študij;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2019
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[J. Bevc]
UDK:	004.8(043.2)
COBISS:	1538316483
Št. ogledov:	687
Št. prenosov:	183
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Use of genetic algorithms for development of intelligent agents in games
Sekundarni povzetek:	Machine learning techniques are already commonly applied for developing the behaviour of intelligent agents in video games. Most commonly the development of agents is executed via reinforced learning, a relatively simple approach, capable of producing robust solutions to various learning challenges. In the presented thesis we tested whether genetic algorithms could be a viable alternative to reinforced learning. Even though genetic algorithms are very simple and easy to implement they have not seen much use when it comes to development of intelligent agents. To compare the quality of our genetic algorithms based solution, we compared it with ML-Agents, a widespread framework for development of intelligent agents, based on reinforced learning. The comparison of both learning methods. was executed on two popular games under comparable conditions. Our results suggest that genetic algorithms could represent a viable alternative to reinforced learning, but only in simple scenarios. When applied to more complex scenarios, our implementation of genetic results did not fare extremely well.
Sekundarne ključne besede:	genetic algorithms;reinforcement learning;computer games;computer and information science;diploma;
Vrsta dela (COBISS):	Diplomsko delo/naloga
Študijski program:	1000468
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	24 str.
ID:	11216349