prikaz prve stranice dokumenta Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
No public access
undergraduate thesis
Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:977951
Torić, Laura
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Torić, L. (2020). Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, Laura. "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, Laura. "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, L. (2020). 'Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 24 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić L. Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2024 August 24] Available at: https://urn.nsk.hr/urn:nbn:hr:168:977951

L. Torić, "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:977951

Metadata
TitleRazvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
Title (english)An attempt of reinforcement learning in a partially observable environment
AuthorLaura Torić
MentorDomagoj Jakobović (mentor)
Committee memberDomagoj Jakobović (predsjednik povjerenstva)
Committee memberKarlo Knežević (član povjerenstva)
Committee memberIvan Kovačević (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-06-29, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Svrha ovog projekta bila je riješiti problem učenja u složenom djelomično promatranom okruženju pomoću potpomognutog učenja. Igra za više igrača pod nazivom DotA 2 izabrana je kao okolina jer je i izazovna i vizualno ugodna. Agent je komunicirao s igrom putem dobivenog poslužitelja i dodatka za igru (engl. Steam Add-on) (zvanog Breezy), koji je na kraju i sam bio izazov. Krajnji rezultati pokazali su se razocaravajuće lošima. Prvotna ideja je bila spajanje Duboke Q-Mreže (engl. Deep Q-Network) s genetskim algoritmom, ali kasnijim je istraživanjem je odabrana metoda Hijerarhijske Duboke Q-Mreže (engl. Hierarchical Deep Q-Network) kao strategija koja obećava. Nažalost, zbog nedostatka resursa (dostupno samo jedno računalo), nedosljedne mrežne veze i velikog trajanja epizoda, izvelo se samo 250 epizoda za hDQN, što nije bilo dovoljno za postizanje željene konvergencije performansi. Unatoč nedostatku prihvatljivih rezultata, ovaj je projekt pokazao stvarnu važnost modeliranja ispravnih stanja i nagrade, kao i razlike između različitih strategija Q-učenja.
Abstract (english)
The purpose of this project was to tackle the problem of learning in a complex partially observable environment using reinforcement learning. A multiplayer game called DotA 2 was chosen as an environment because it was both challenging and visually pleasing. The agent was communicating with the game via provided server and steam add-on (called Breezy), which ended up being a challenge in itself. The end results turned out to be disappointingly substandard. The fist idea was to pair Deep Q-Network (DQN) with genetic algorithm, but upon later research Hierarchical Deep Q-Network (h-DQN) was chosen to be the the best promising strategy. Sadly, due to the lack of resources (only one PC available), inconsistent network connection and high episode duration, only 250 episodes ended up being played for h-DQN, which was not enough to achieve desired performance convergence. Despite the lack of acceptable results, this project showed a real importance of the right state and reward modelling, as well as differences between different Q-learning strategies.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:977951
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 14:04:43