The effect of game complexity on deep reinforcement learning
Oyun zorluğunun derin pekiştirmeli öğrenmeye etkisi
- Tez No: 522148
- Danışmanlar: PROF. DR. AHMET İBRAHİM ETHEM ALPAYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- Deep learning for game genre classification from game posters
Derin öğrenme ile oyun afişlerinden oyun türü sınıflandırması
BATIKAAN GÜNEŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Simulation games, complexity and learning
Benzetim oyunları, karmaşıklık ve öğrenme
ONUR ÖZGÜN
Doktora
İngilizce
2012
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. YAMAN BARLAS
- Yaşam karmaşasının mobil oyun tercihlerine etkisi
The effect of life chaos on mobile game preferences
ESMANUR BAYAR TELYAKAR
Yüksek Lisans
Türkçe
2022
İletişim BilimleriYıldız Teknik ÜniversitesiSanat ve Tasarım Ana Bilim Dalı
DOÇ. DR. ADVİYE AYÇA ÜNLÜER ÇİMEN
- Zaman-mekânsal sahnenin skenografik mimarisi
Scenographic architecture of the spatiotemporal scene
ALİ İSTİKBAL
Yüksek Lisans
Türkçe
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. OĞUZ HAŞLAKOĞLU