prikaz prve stranice dokumenta Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
  Preuzmi
PDF 6.24 MB
završni rad
Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
2024. urn:nbn:hr:122:908062
Kovačić, Leo Filip
Sveučilište Sjever

Citirajte ovaj rad

Kovačić, L. F. (2024). Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja (Završni rad). Koprivnica: Sveučilište Sjever. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, Leo Filip. "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja." Završni rad, Sveučilište Sjever, 2024. https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, Leo Filip. "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja." Završni rad, Sveučilište Sjever, 2024. https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić, L. F. (2024). 'Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja', Završni rad, Sveučilište Sjever, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:122:908062

Kovačić LF. Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja [Završni rad]. Koprivnica: Sveučilište Sjever; 2024 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:122:908062

L. F. Kovačić, "Razvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja", Završni rad, Sveučilište Sjever, Koprivnica, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:122:908062

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:122:908062
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRazvoj modela strojnog učenja za rješavanje zatvorenikove dileme korištenjem metoda pojačanog učenja
Naslov (engleski)Development of a machine learning model for solving the prisoner's dilemma using Reinforcement Learning methods
AutorLeo Filip Kovačić
MentorTomislav Horvat (mentor)
Član povjerenstvaDražen Crčić (predsjednik povjerenstva)
Član povjerenstvaTomislav Horvat (član povjerenstva)
Član povjerenstvaVladimir Stanisavljević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Sjever
Koprivnica
Datum i država obrane2024-10-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad analizira kompleksnost Zatvorenikove dileme i istražuje različite strategije za rješavanje tog problema kroz primjenu strojnog učenja i umjetne inteligencije. U rada je razvijen n-dimenzionalni model koji omogućava optimizaciju strategija kroz vektorsku analizu te testiranje modela pomoću MLAgenta, algoritma strojnog učenja. Kroz povijesni pregled Zatvorenikove dileme te ključnih strategija poput Tit-for-Tat (TFT), rad naglašava kako kontekst, duljina igre i struktura isplata utječu na uspješnost različitih strategija. Poseban naglasak stavljen je na "kingmaker" strategije, poput DOWNING-a, koje, iako same po sebi ne uspijevaju, značajno utječu na ishod drugih strategija. Implementacija MLAgenta provedena je kako bi se istražila mogućnost strojnog učenja u razvoju optimalne strategije za Zatvorenikovu dilemu. U radu se razmatraju izazovi vezani uz podešavanje hiperparametara modela, poput veličine ulaznog sloja i funkcije nagrade. U radu su istražene te kategorizirane neke prepreke čime se nastojala eliminirati pristranost kada se radi o odabiru strategija s obzirom na kompleksnost problema Zatvorenikove dileme, odrađeno treniranje agenta na temelju statičkih strategija te provedene simulacije u svrhu evaluacije istog.
Sažetak (engleski)
This paper analyzes the complexity of the Prisoner's Dilemma and explores various strategies for solving this problem through machine learning and artificial intelligence. An n-dimensional model has been developed within the study, allowing for strategy optimization through vector analysis and testing of the model using MLAgent, a machine learning algorithm. Through a historical overview of the Prisoner's Dilemma and key strategies such as Tit-for-Tat (TFT), the paper highlights how context, game length, and payout structure influence the success of different strategies. Special emphasis is placed on "kingmaker" strategies, such as DOWNING, which, while not successful on their own, significantly impact the outcome of other strategies. The MLAgent implementation was conducted to investigate the potential of machine learning in developing an optimal strategy for the Prisoner's Dilemma. The paper discusses challenges related to tuning model hyperparameters, such as input layer size and reward function. The study investigates and categorizes certain obstacles with the aim of eliminating bias in strategy selection regarding the complexity of the Prisoner's Dilemma. Agent training based on static strategies was performed, and simulations were conducted to evaluate the model.
Ključne riječi
Jezikhrvatski
URN:NBNurn:nbn:hr:122:908062
Studijski programNaziv: Računarstvo i informatika
Vrsta studija: stručni
Stupanj studija: prijediplomski
Akademski / stručni naziv: prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (bacc. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-12-13 10:31:53