Empowering atari gaming with deep reinforcement learning
Derin takviyeli öğrenme ile atarı oyunlarını güçlendirmek
- Tez No: 940533
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin Güçlendirme Öğrenme (DRL), yapay zeka aracılarını karmaşık oyun ortamlarında gezinmek için optimize ederek oyun alanında önemli ilerlemeler kaydetti. Bu çalışma, Yılan Optimizasyon Algoritması (SOA) ve Enerji Vadisi Optimizasyonunun (EVO) araştırılmasına girişiyor; labirent benzeri bir oyun ortamında bunların etkinliğini kıyaslayan, uygun bir şekilde Energy Serpent Optimizer (ESO) olarak adlandırılan birleşik bir yaklaşımla sinerji oluşturuyor. . Bu ortamda, bir AI ajanı karmaşık yollarda manevra yaparken yılanlar, kafatasları ve diğer animasyonlu karakterler gibi çeşitli zorluklarla mücadele edecek şekilde ayarlanmıştır. Temsilcinin genel hedefi labirentte ustaca gezinmek, potansiyel tehditlerden kaçınmak ve puan toplamak için belirli oyun öğeleriyle etkileşime geçmektir. ESO'nun karşılaştırmalı bir analizi, yürütme süresi verimliliklerinde dikkate değer farklılıklar ortaya çıkardı. SOA, yalnızca 0,43 saniyede devreye giren, zaman açısından daha verimli bir algoritma olarak ortaya çıktı. Bu fark edilebilir zaman aralığı, bu özel ortamda ESO'nun üstün verimliliğini vurguluyor. Ek olarak ESO, optimizasyon sürecinin genetik algoritmalar yoluyla bir dizi hiperparametre konfigürasyonunun geliştirilmesini gerektirdiği söz konusu oyun ortamında teste tabi tutuldu. Amaç, sürecin zaman açısından verimli olmasını sağlarken yapay zeka temsilcisinin oyun içi ödülünü en üst düzeye çıkarmak için bu yapılandırmaları yinelemek ve uyarlamaktı. Etkileyici bir şekilde, ESO'nun rehberliği altındaki AI ajanı, 32 saniyelik bir sürede 1100,0 gibi dikkate değer bir ödül puanı elde etti.
Özet (Çeviri)
Deep Reinforcement Learning (DRL) has made significant strides in the domain of gaming, optimizing artificial intelligence agents to navigate intricate game environments. This study embarks on an exploration of the Snake Optimization Algorithm (SOA) and the Energy Valley Optimization (EVO), it synergizes into a unified approach, aptly named the Energy Serpent Optimizer (ESO), benchmarking their efficacy within a maze-like game setting. Within this environment, an AI agent is set to maneuver through complex pathways, while engaging with diverse challenges such as snakes, skulls, and other animated characters. The overarching objective for the agent is to adeptly navigate the maze, sidestep potential threats, and engage with specific game elements to amass points. A comparative analysis of ESO revealed notable differences in their execution time efficiencies. The SOA emerged as the more time-efficient algorithm, clocking in at a mere 0.43 seconds, This discernible time gap accentuates the superior efficiency of ESO in this particular setting. Additionally, the ESO was put to the test in the said game environment, where the optimization process entailed evolving a set of hyperparameter configurations via genetic algorithms. The goal was to iterate and adapt these configurations to maximize the AI agent's in-game reward, while ensuring the process is time-efficient. Impressively, the AI agent, under the guidance of ESO, achieved a remarkable reward score of 1100.0 in a span of 32 seconds.
Benzer Tezler
- Empowering of Oromieh University female students in related to their sexual and reproductive health by peer education method
Urumiye Üniversitesi?nde kız öğrencileri akran eğitimi yöntemiyle cinsel ve üreme sağlığı konusunda güçlendirme
SOHEİLA RABİEİPOOR
Doktora
İngilizce
2011
Sağlık EğitimiHacettepe ÜniversitesiDoğum ve Kadın Hastalıkları Hemşireliği Ana Bilim Dalı
PROF. DR. LALE TAŞKIN
- Empowering nigerian girls through peace education: A case study of federal government girls' college, yola.
Başlık çevirisi yok
FATİMA MOMODU
Yüksek Lisans
İngilizce
2014
Uluslararası İlişkilerHacettepe ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DR. ELİF RENK ÖZDEMİR
- Empowering knowledge driven Turkish start-ups: A practical rule-based decision support system integrated with business model canvas
Bilgiye dayalı Türk girişimcilerini destekleyici iş modeli kanvasına entegre pratik kurallara dayalı karar destek sistemi
SEYED HESAMODDIN NABAVI
Yüksek Lisans
İngilizce
2015
İşletmeOrta Doğu Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. MUSTAFA SİNAN GÖNÜL
DOÇ. ADİL ORAN
- Empowering heterogeneous networks for drug-target affinity prediction
İlaç-hedef bağlılık ilgisi tahmini için heterojen ağları güçlendirme
SELEN PARLAR ÖZÇELİK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
- Empowering teamwork experience and skills in industrial design studio education through collaborative tools for task management and shared leadership
Görev yönetimi ve paylaşımlı liderlik için işbirliği araçlarıyla endüstriyel tasarım stüdyo eğitiminde ekip çalışması deneyimi ve becerilerini güçlendirmek
ITIR GÜNGÖR BONCUKÇU
Doktora
İngilizce
2022
Endüstri Ürünleri TasarımıOrta Doğu Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. ÇAĞLA DOĞAN