izpis_h1_title_alt

Učenje igranja realno-časovne strateške igre z uporabo globokega spodbujevalnega učenja
HABJAN, JERNEJ (Avtor), Guid, Matej (Mentor) Več o mentorju... Povezava se odpre v novem oknu, Šter, Branko (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (9,14 MB)

Izvleček
Z algoritmom AlphaZero smo implementirali učenje in priporočanje akcij v realno-časovni strateški igri. Pregledali smo krajšo zgodovino globokega spodbujevalnega učenja na igrah in povzeli, zakaj je pristop samostojnega učenja najprimernejši. Za strateško igro smo določili stanja igre in stanje s kodirnikom preoblikovali v format, primeren za učenje nevronske mreže. Določili smo ustavitveni pogoj z iztekom števila preostalih potez za posameznega igralca. Utemeljili smo različne konfiguracije učnih parametrov in izpostavili tisto, ki računalniškega agenta na naši igri najuspešnejše uči. Rezultate smo prikazali s Python knjižnico Pygame in v celostnem pogonu Unreal Engine 4. V obeh vizualizacijah lahko igramo proti naučenemu modelu ali opazujemo, kako se dva računalniška nasprotnika bojujeta med sabo.

Jezik:Slovenski jezik
Ključne besede:AlphaZero, realno-časovna strateška igra, Unreal Engine
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2019
Število ogledov:261
Število prenosov:113
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Learning to play a real-time strategy game with deep reinforcement learning
Izvleček:
With algorithm AlphaZero we have implemented the learning and recommendation of actions in a real-time strategy game. We examined a short history of deep reinforcement learning in games and summarized why the self-learning approach is best suited. For a strategic game, we determined the state of the game and transformed it with the encoder into a format suitable for learning a neural network. We determined a stopping condition with the expiry of the number of remaining moves for each player. We substantiated different configurations of learning parameters and exposed the most successful configuration for learning our game. The results were displayed with the Python Pygame module and the game engine Unreal Engine 4. In both visualizations we can play against the learned model, or we can observe two computer opponents fighting against each other.

Ključne besede:AlphaZero, real-time strategy game, Unreal Engine

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj