Primjena podržanog učenja za automatsko igranje igara

završni rad

• Naslov (engleski): Reinforcement Learning for Automatic Game Playing
• Autor: Daniel Rakovac
• Mentor: Marko Čupić (mentor)
• Član povjerenstva: Marko Čupić (predsjednik povjerenstva)
• Član povjerenstva: Martin Tutek (član povjerenstva)
• Član povjerenstva: Karlo Knežević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom je radu obrađeno podržano učenje kao vrsta strojnog učenja čiji je cilj maksimizirati ukupnu nagradu. Objašnjena je uloga neuronskih mreža u podržanom učenju te proces treniranja neuronskih mreža. U ovom se radu primjena podržanog učenja fokusirala na automatskom igranju igara. Za početak je odabrana jednostavna igra s malim brojem stanja, nazvana FrozenLake, gdje je automatsko igranje ostvareno pomoću algoritma SARSA i Q-učenje sa spremanjem Q-vrijednosti u strukturu nazvanu Q-tablica. Kao primjer složenije igre je odabrana igra FlappyBirds s opcijom da su prepreke pomične. Problem je riješen pomoću Q-učenja aproksimacijom Q-vrijednosti pomoću neuronske mreže. Rezultati algoritama su grafički prikazani i uspoređeni.

Sažetak (engleski)

This paper describes reinforcement learning as a type of machine learning aimed
at maximizing total reward. It explains the role of neural networks in reinforcement learning and their training process. To start with, a simple game with a small number of
states was chosen, named FrozenLake, where automatic game playing was accomplished with the help of SARSA algorithm and Q-learning where Q-values were stored in
a structure called a Q-table. As an example of a more complex game, the FlappyBirds
game was selected with the option to have moving obstacles. The problem was solved
with the help of Q-learning where Q-values were approximated using neural network.
The results of algorithms are graphically displayed and discussed.

• Ključne riječi: strojno učenje; podržano učenje; automatsko igranje igara; Markovljev proces odlučivanja; Q-učenje; SARSA; neuronske mreže
• Ključne riječi (engleski): machine learning; reinforcement learning; automatic game playing; Markov decision process; Q-learning; SARSA; neural networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:251759
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 00:21:10