Implementacija AlphaZero za igro RiskGašperlin, Jan (Avtor) Sadikov, Aleksander (Mentor) Možina, Martin (Komentor) AlphaZeroUmetna inteligencaMCTSRiskC++TensorflowAlphaZero velja za najbolj uspešen algoritem v namizni igri Go. Odlične rezultate je dosegel tudi pri japonskem (shogi) in klasičnem šahu. Klasične igre so dobro raziskane domene, zato smo se odločili raziskati implementacijo za igro Risk. Velik del igre temelji na naključju kock. Za dobro primerjavo zmogljivosti igralnih agentov je zato potrebno izvesti veliko število iger. To je glavni razlog za velik poudarek na hitrosti implementacije. Da bi zadostili tem zahtevam, smo izbrali programski jezik C++ in okolje Tensorflow. Naša implementacija temelji na objavljenih člankih podjetja DeepMind in odprto kodni rešitvi alpha-zero-general. Implementacijo smo nadgradili z večnitnim izvajanjem in ustvarjanjem učnih primerov tekom primerjave modelov. Naučili smo več nevronskih mrež z različnimi nastavitvami. Sprva smo nevronske mreže učili z igrami programiranih igralce, kjer smo dosegli dobre rezultate. Pri učenju z igro s samim seboj smo dosegli povprečne rezultate, saj nismo imeli zadostnega števila iger. Celotna implementacija je na voljo preko spleta.20202020-12-10 15:40:01Magistrsko delo/naloga122430VisID: 24762COBISS_ID: 42171907sl