20.500.12556/RUL-109541 Uporaba genetskih algoritmov za učenje inteligentnih agentov v računalniških igrah Use of genetic algorithms for development of intelligent agents in games 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. 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. genetski algoritmi spodbujevano učenje računalniške igre genetic algorithms reinforcement learning computer games true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2019-09-05 12:45:03 2019-09-05 12:45:07 2022-08-21 03:42:49 0000-00-00 00:00:00 2019 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 23228 1538316483 Bevc_Jure_-_Uporaba_genetskih_algoritmov_za_ucenje_inteligentnih_agentov_v_racunalniskih_igrah.pdf Bevc_Jure_-_Uporaba_genetskih_algoritmov_za_ucenje_inteligentnih_agentov_v_racunalniskih_igrah.pdf 1 5C896C164AE41C053AE91EF69F079531 a7852b23a184b4b18e430644dad9ab24a01a9e182bffadfc7c309dc666f2249f e429ca79-a1b6-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=121118 Fakulteta za računalništvo in informatiko 0 0 0