FighterZero : pristop samo-igranja za učenje igranja pretepaške igre z globokim spodbujevalnim učenjemVitek, Matej (Avtor) Peer, Peter (Mentor) umetna inteligencainteligentni agentigresamo-igranjegloboko učenjespodbujevalno učenjedrevesno preiskovanje Monte Carlonevronske mrežerazvoj igerPodročje globokega učenja je v zadnjem desetletju doživelo precejšen razcvet. Uporablja se za reševanje premnogih problemov, v zadnjih petih letih pa precej tudi za igranje iger. Dva pomembna dosežka sta bila globoke Q-mreže (DQN) in AlphaZero. DQN se je naučila igrati klasične igre za Atari 2600 (Pong, Space Invaders, itd.), AlphaZero pa se je s samo-igranjem naučil igrati šah, šogi in Go. Mi smo na temelju AlphaZero poskusili zgraditi agenta FighterZero, ki bi se prav tako s samo-igranjem naučil igrati pretepaške računalniške igre. Rezultati so bili manj uspešni, kot smo pričakovali, saj se je časovna zahtevnost izkazala za nepremagljivo oviro.20182018-09-13 07:46:20Magistrsko delo/naloga103017UDK: 004VisID: 90024COBISS_ID: 18432089sl