Uporaba predvidevanja akcij nasprotnika pri učenju inteligentnega agentaŠUTAR, MATIC (Avtor) Lebar Bajec, Iztok (Mentor) inteligentni agentspodbujevano učenjemodeliranje nasprotnikagloboko q-učenjeraziskovanje okolja na podlagi radovednostiunreal engineV diplomskem delu so predstavljeni glavni koncepti strojnega učenja s poudarkom na spodbujevanem učenju. Osredotoča se na probleme z okolji, v katerih nastopa več agentov. Taki problemi metodam spodbujevanega učenja prestavljajo dodatne izzive. Diplomsko delo raziskuje različne načine reševanja problemov z več agenti. Predstavlja obstoječe rešitve, ki uporabljajo predvidevanje akcij nasprotnika pri učenju inteligentnega agenta. V diplomskem delu je podrobneje predstavljena metoda DRON, ki je zasnovana na osnovi globokega q-učenja. Primerjana je z osnovno metodo globokega q-učenja na izbranem okolju. V delu je predstavljena in primerjana tudi razširitev metode raziskovanja, ki temelji na radovednosti, na okolje z več agenti. Okolje je bilo implementirano v igralnem pogonu Unreal Engine 5. Predstavljena metoda raziskovanja se na koncu ni izkazala za opazno uspešnejšo od osnovne metode raziskovanja. Po drugi strani je uporaba arhitekture DRON v kombinaciji z osnovno metodo globokega q-učenja kazala na potencialno izboljšanje osnovne metode. Za konkretnejše zaključke bi morali izvesti dodatne poskuse.20232023-09-08 11:30:14Diplomsko delo/naloga149699sl