Machine learning methods for opponent modeling in games of imperfect information
Makine öğrenmesi yöntemleri ile eksik bilgi oyunlarında rakip modelleme
- Tez No: 318841
- Danışmanlar: PROF. DR. FATOŞ TÜNAY YARMAN VURAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Bu tezde, eksik bilgi oyunlarında rakip modelleme problemine ilişkin bir makine öğrenmesi yaklaşımı sunulmuştur. Çeşitli yapay zeka yöntemlerinin bu alandaki verimliliği incelenmiştir. Sıralı bir oyunda eğer oyuncular oyunun o anki durumuna ilişkin tüm bilgiye sahip değillerse buna eksik bilgi içeren oyun denir. Popüler bir örnek olan Texas Usulü Poker tezde önerilen metodların gerçeklenmesi için kullanılmıştır. Bir oyuncunun rakibinin davranışlarını tahmin etmesini sağlayan sisteme Rakip Modelleme Sistemi denir. Bu çalışmada, rakip modelleme problemi bir sınıflandırma problemi olarak ele alınmıştır. Oyunun her bir fazı için değişik bir sınıflandırıcı içeren bir mimari önerilmiştir. Sınıflandırıcı olarak Yapay Sinir Ağları, K-Yakın Komşu (KYK) ve Destek Vektör Makineleri yöntemleri kullanılmıştır. Belirli bir oyuncuyu modellemede %88 doğru tahmin oranıyla KYK yönteminin daha başarılı olduğu gözlenmiştir. Değişik ya da bilinmeyen oyun stillerini modellemek için bir topluluk öğrenme sistemi önerilmiştir. Bazı hesapların karmaşıklığı ve paralelleştirilmesine de yer verilmiştir.
Özet (Çeviri)
This thesis presents a machine learning approach to the problem of opponent modeling in games of imperfect information. The efficiency of various artificial intelligence techniques are investigated in this domain. A sequential game is called imperfect information game if players do not have all the information about the current state of the game. A very popular example is the Texas Holdem Poker, which is used for realization of the suggested methods in this thesis. Opponent modeling is the system that enables a player to predict the behaviour of its opponent. In this study, opponent modeling problem is approached as a classification problem. An architecture with different classifiers for each phase of the game is suggested. Neural Networks, K-Nearest Neighbors (KNN) and Support Vector Machines are used as classifier. For modeling a particular player, KNN is found to be most successful amongst all, with a prediction accuracy of 88%. An ensemble learning system is proposed for modeling different playing styles and unknown ones. Computational complexity and parallelization of some calculations are also provided.
Benzer Tezler
- A data driven performance evaluation framework for sports analytics
Spor analitiği için veri güdümlü performans analiz çerçevesi
AYŞE ELVAN AYDEMİR
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
PROF. DR. ALPTEKİN TEMİZEL
- A comparative study for football analytics with data mining and artificial intelligence techniques
Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği
MUSTAFA AADEL MASHJAL AL-ASADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Prediction of league of legends draft picks for competitive matches
Profoesyonel league of legends maçlarının şampiyon seçimleri tahmini
ALKIM KARAKURT
Yüksek Lisans
İngilizce
2021
İstatistikTED ÜniversitesiUygulamalı Veri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEYDA YAZICI
- Çoklu ajan sistemleri ile inşaat sektörü için bir yüklenici seçimi modeli
A multi agent systems based contractor selection model
FAİKCAN KOĞ
- Evolutionary reinforcement learning based autonomous maneuver decision in one-to-one short-range air combat
Bire bir kısa menzilli hava muharebesinde evrimsel pekiştirmeli öğrenme tabanlı otonom manevra karar sistemi
YASİN BAYKAL
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ BAŞPINAR
