Kooperativna koevolucija strategije za igru za više igrača

diplomski rad

• Naslov (engleski): Cooperative coevolution of strategies for multiplayer games
• Autor: Jakov Ivković
• Mentor: Domagoj Jakobović (mentor)
• Član povjerenstva: Domagoj Jakobović (predsjednik povjerenstva)
• Član povjerenstva: Marin Golub (član povjerenstva)
• Član povjerenstva: Leonardo Jelenković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-02-22, Hrvatska

Sažetak

Rad se bavi podržanim učenjem kroz korištenje kooperativne koevolucije za pronalazak što bolje strategije za igru Halite. Problem igranja igre je podijeljen na razvoj dvije strategije --- svaka strategija upravlja jednim od dva tipa entiteta u igri, čime je problem pretvoren u više-agentni optimizacijski problem. Implementirana su dva evolucijska algoritma (evolucijska strategija i genetski algoritam) te tri prikaza jedinki (prikaz stablima, kartezijsko genetsko programiranje i umjetna neuronska mreža). Implementirano je i učenje po kurikulumu, odnosno učenje u tri faze protiv, postepeno, sve težih i težih strategija. Isprobano je nekoliko kombinacija prikaza jedinki, evolucijskih algoritama te pripadnih hiperparametara. Najveći ograničavajući faktor ovog optimizacijskog problema je vrlo skupa evaluacija, koja, u određenim slučajevima, može trajati i preko 100 sekundi po jedinki.

Sažetak (engleski)

This paper explores using cooperative coevolution in reinforced learning environment in order to find a good strategy for playing a game of Halite. The problem of playing the game is decomposed into two strategies --- each strategy controls one out of two types of entities in the game. With that decomposition the problem is transformed into multi-agent optimization problem. Two evolutionary algorithms (evolutionary strategy and genetic algorithm) and three individual representations are implemented (multiple tree representation, cartesian genetic programming and artificial neural network). Curriculum learning is implemented for learning in three phases against, progressively, harder opponents. Several combinations of evolutionary algorithms and individual representations were tested. The biggest limiting factor of this optimization problem is the very expensive evaluation, which, in some cases, can last over 100 seconds per individual.

• Ključne riječi: podržano učenje; genetski algoritam; evolucijska strategija; kartezijsko genetsko programiranje; umjetna neuronska mreža; prikaz jedinke stablima; učenje po kurikulumu; metaheuristika; evolucijski algoritam
• Ključne riječi (engleski): reinforcement learning; genetic algorithm; evolutionary strategy; cartesian genetic programming; artificial neural network; multiple tree representation; curriculum learning; metaheuristic; evolutionary algorithm
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:181399
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-03-28 07:47:47