Podržano učenje u igrama s kartama

završni rad

• Naslov (engleski): Reinforcement Learning in Card Games
• Autor: Janko Vidaković
• Mentor: Vladimir Čeperić (mentor)
• Član povjerenstva: Vladimir Čeperić (predsjednik povjerenstva)
• Član povjerenstva: Igor Stančin (član povjerenstva)
• Član povjerenstva: Josip Renić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Podržano učenje predstavlja obećavajuću paradigmu za rješavanje problema nesavršene informacije. Duboko Q-učenje uspješno je primijenjeno na igrama savršene informacije, poput šaha i Go-a, a u ovom radu je cilj bio uspješno primijeniti duboko Q-učenje na igre nesavršene informacije. Na primjeru igara s kartama, razvijen je inteligentni agent za kartašku igru belot, temeljen na dubokom Q-učenju. Razvijem je simulacijski okvir koji predstavlja model okoline igre belota i implementirane su različite definicije funkcije nagrade. Evaluacija uspješnosti provedena je mjerenjem statističkih veličina karakterističnih za belot. Dobiveni rezultati pokazuju da se duboko Q-učenje može uspješno primijeniti u učenju kartaške igre belot. Uz dovoljno dobru definiciju funkcije nagrade, dvočlani tim inteligentnih agenata postiže bolje rezultate od slučajne igre u svim izmjerenim statistikama.

Sažetak (engleski)

Reinforcement learning presents a promising paradigm for solving imperfect information problems. Deep Q-learning has been successfully applied to games of perfect information, like chess and Go. In this work, deep Q-learning is applied to imperfect information games, concretely a card game called belot. A simulation framework is developed as a model of belot environment, and a variety of reward functions is implemented. Evaluation is done by measuring the statistical properties of agent gameplay, with focus on belot-specific measures. Results show that deep Q-learning can be successfully applied to develop an intelligent agent for belot. With proper reward function, a two-member team of intelligent agents outperforms random agents in all statistics measured.

• Ključne riječi: igra nesavršene informacije; duboko q-učenje; funkcija nagrade; multiagentski sustavi; simulacija; statistička analiza
• Ključne riječi (engleski): imperfect information games; deep q-learning; reward function; multiagent systen; simulation; statistical analysis
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:828661
• 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: 2023-01-14 21:55:54