Geri Dön

The effect of game complexity on deep reinforcement learning

Oyun zorluğunun derin pekiştirmeli öğrenmeye etkisi

  1. Tez No: 522148
  2. Yazar: ERDEM EMEKLİGİL
  3. Danışmanlar: PROF. DR. AHMET İBRAHİM ETHEM ALPAYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Derin pekiştirmeli öğrenme (DRL), derin sinir ağlarını pekiştirmeli öğrenme ile birleştirir. Bu yöntemler, seleflerinden farklı olarak, eylemleri doğrudan tahmin etmek için ham sensör verilerinden yüksek boyutlu gösterimler çıkararak uçtan uca öğrenirler. Aynı algoritmayı, ağ mimarisini ve üstel parametreleri kullanan DRL yöntemlerinin ATARI oyunlarının çoğunda ustalaştığı gösterilmiştir. Ancak, DRL'nin neden bazı oyunlarda ötekilerinden daha iyi çalışmasının sebebi araştırılmamıştır. Bu tezde, her oyunun karmaşıklığının bir dizi etkenle (arama alanının büyüklüğü, düşmanların varlığı/yokluğu, ara ödülün varlığı/yokluğu vb.) tanımlandığı ve oyunların öğrenme hızlarının ve başarılarının bu etkenlere bağlı olduğu öne sürülmüştür. Bu amaca yönelik olarak basitleştirilmiş Labirent ve Pacman ortamları kullanılarak bu etkenlerin DRL'nin yakınsaması üzerindeki etkisini görmek için deneyler yapılmıştır. Bu çalışmanın sonuçları DRL'nin nasıl çalıştığını daha iyi anlamak için bir ilk adımdır ve gelecekte DRL'nin etkili bir şekilde uygulanabileceği senaryoları belirlemekte bilgilendirici olacaktır.

Özet (Çeviri)

Deep Reinforcement Learning (DRL) combines deep neural networks with reinforcement learning. These methods, unlike their predecessors, learn end-to-end by extracting high-dimensional representations from raw sensory data to directly predict the actions. DRL methods were shown to master most of the ATARI games, beating humans in a good number of them, using the same algorithm, network architecture and hyper-parameters. However, why DRL works on some games better than others has not been fully investigated. In this thesis, we propose that the complexity of each game is defined by a number of factors (the size of the search space, existence/absence of enemies, existence/absence of intermediate reward, and so on) and we posit that how fast and well a game is learned by DRL depends on these factors. Towards this aim, we use simplified Maze and Pacman environments and we conduct experiments to see the effect of such factors on the convergence of DRL. Our results provide a first step in a better understanding of how DRL works and as such will be informative in the future in determining scenarios where DRL can be applied effectively e.g., outside of games.

Benzer Tezler

  1. Simulation games, complexity and learning

    Benzetim oyunları, karmaşıklık ve öğrenme

    ONUR ÖZGÜN

    Doktora

    İngilizce

    İngilizce

    2012

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. YAMAN BARLAS

  2. Yaşam karmaşasının mobil oyun tercihlerine etkisi

    The effect of life chaos on mobile game preferences

    ESMANUR BAYAR TELYAKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İletişim BilimleriYıldız Teknik Üniversitesi

    Sanat ve Tasarım Ana Bilim Dalı

    DOÇ. DR. ADVİYE AYÇA ÜNLÜER ÇİMEN

  3. Spatial audio localization as a gameplay element: Design, development, and evaluation of an audio-based virtual reality game

    Oyun ögesi olarak uzamsal ses lokalizasyonu: Sese dayalı bir sanal gerçeklik oyununun tasarımı, geliştirilmesi ve analizi

    ECE NAZ SEFERCİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. HATİCE KÖSE

  4. Makine öğrenmesinde boyutsal indirgeme teknikleri ile mobil oyun kullanıcı segmentasyonu

    Mobile game user segmentation with dimensionality reduction techniques in machine learning

    GÜLEN ARIKAN KOKKAYA

    Doktora

    Türkçe

    Türkçe

    2023

    İstatistikMarmara Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. İLKNUR ESEN YILDIRIM

  5. Bilgisayarsız bilgisayar bilimi etkinliklerinin programlama kavramları oluşumundaki etkisi

    The effect of Cs unplugged activities on the formation of programing concepts

    ÖZGE BAKICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiOndokuz Mayıs Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. POLAT ŞENDURUR