prikaz prve stranice dokumenta Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
  Download
PDF 6.24 MB
undergraduate thesis
Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
Koprivnica: University North, 2024. urn:nbn:hr:122:908062
Kovačić, Leo Filip
University North

Institutional repository: University North Digital Repository

Cite this document

Kovačić, L. F. (2024). Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja (Undergraduate thesis). Koprivnica: University North. Retrieved from https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, Leo Filip. "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja." Undergraduate thesis, University North, 2024. https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, Leo Filip. "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja." Undergraduate thesis, University North, 2024. https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, L. F. (2024). 'Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja', Undergraduate thesis, University North, accessed 04 January 2025, https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić LF. Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja [Undergraduate thesis]. Koprivnica: University North; 2024 [cited 2025 January 04] Available at: https://urn.nsk.hr/urn:nbn:hr:122:908062

L. F. Kovačić, "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja", Undergraduate thesis, University North, Koprivnica, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:122:908062

Metadata
TitleRazvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
Title (english)Development of a machine learning model for solving the prisoner's dilemma using Reinforcement Learning methods
AuthorLeo Filip Kovačić
MentorTomislav Horvat (mentor)
Committee memberDražen Crčić (predsjednik povjerenstva)
Committee memberTomislav Horvat (član povjerenstva)
Committee memberVladimir Stanisavljević (član povjerenstva)
GranterUniversity North
Koprivnica
Defense date and country2024-10-28, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Ovaj rad analizira kompleksnost Zatvorenikove dileme i istražuje različite strategije za rješavanje tog problema kroz primjenu strojnog učenja i umjetne inteligencije. U rada je razvijen n-dimenzionalni model koji omogućava optimizaciju strategija kroz vektorsku analizu te testiranje modela pomoću MLAgenta, algoritma strojnog učenja. Kroz povijesni pregled Zatvorenikove dileme te ključnih strategija poput Tit-for-Tat (TFT), rad naglašava kako kontekst, duljina igre i struktura isplata utječu na uspješnost različitih strategija. Poseban naglasak stavljen je na "kingmaker" strategije, poput DOWNING-a, koje, iako same po sebi ne uspijevaju, značajno utječu na ishod drugih strategija. Implementacija MLAgenta provedena je kako bi se istražila mogućnost strojnog učenja u razvoju optimalne strategije za Zatvorenikovu dilemu. U radu se razmatraju izazovi vezani uz podešavanje hiperparametara modela, poput veličine ulaznog sloja i funkcije nagrade. U radu su istražene te kategorizirane neke prepreke čime se nastojala eliminirati pristranost kada se radi o odabiru strategija s obzirom na kompleksnost problema Zatvorenikove dileme, odrađeno treniranje agenta na temelju statičkih strategija te provedene simulacije u svrhu evaluacije istog.
Abstract (english)
This paper analyzes the complexity of the Prisoner's Dilemma and explores various strategies for solving this problem through machine learning and artificial intelligence. An n-dimensional model has been developed within the study, allowing for strategy optimization through vector analysis and testing of the model using MLAgent, a machine learning algorithm. Through a historical overview of the Prisoner's Dilemma and key strategies such as Tit-for-Tat (TFT), the paper highlights how context, game length, and payout structure influence the success of different strategies. Special emphasis is placed on "kingmaker" strategies, such as DOWNING, which, while not successful on their own, significantly impact the outcome of other strategies. The MLAgent implementation was conducted to investigate the potential of machine learning in developing an optimal strategy for the Prisoner's Dilemma. The paper discusses challenges related to tuning model hyperparameters, such as input layer size and reward function. The study investigates and categorizes certain obstacles with the aim of eliminating bias in strategy selection regarding the complexity of the Prisoner's Dilemma. Agent training based on static strategies was performed, and simulations were conducted to evaluate the model.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:122:908062
Study programmeTitle: Computer Science and Informatics
Study programme type: professional
Study level: undergraduate
Academic / professional title: prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2024-12-13 10:31:53