prikaz prve stranice dokumenta Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
Rad nije dostupan
završni rad
Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:977951
Torić, Laura
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Torić, L. (2020). Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, Laura. "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, Laura. "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić, L. (2020). 'Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:977951

Torić L. Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:977951

L. Torić, "Razvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:977951

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:977951
Podaci o radu
NaslovRazvoj agenta korištenjem potpomognutog učenja u parcijalno primjetljivom okruženju
Naslov (engleski)An attempt of reinforcement learning in a partially observable environment
AutorLaura Torić
MentorDomagoj Jakobović (mentor)
Član povjerenstvaDomagoj Jakobović (predsjednik povjerenstva)
Član povjerenstvaKarlo Knežević (član povjerenstva)
Član povjerenstvaIvan Kovačević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-06-29, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:977951
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 14:04:43