Learning a partially observable card game hearts using reinforcement learning
Yarı gözlemlenebilir maça kızı kart oyununu takviyeli öğrenme metodu ile öğrenme
- Tez No: 630657
- Danışmanlar: PROF. DR. FERDA NUR ALPASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Takviyeli öğrenme, Yapay sinir ağları, Reinforced learning, Artificial neural networks
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde yapay zeka ve makine ög ̆renmesi bir çok sektörde popülerler. Bu sektör- lerden bir tanesi oyun sektörü. Oyun sektörü çok farklı senaryolar, farklı oyun türleri ile yapay zeka ve makine ög ̆renmesine önemli bir çalıs ̧ma alanı sag ̆lıyor. Bu çalıs ̧- manın amacı Maça Kızı oynamayı ög ̆renen yapay zeka birimleri gelis ̧tirmektir. Maça kızı tüm dünyada en çok popüler olan kart oyunlarından bir tanesidir. Maça kızı sıra tabanlı, yarı gözlemlenebilir bir kart oyunudur. Maça kızı büyük bir durum alanına sahip olmasının yanında bir çok ekstra zorlug ̆u da beraberinde getirmektedir. Bu zor- luklar oyunun, dig ̆er kart oyunlarından farklı kuralları dolayısıyla dog ̆maktadır. Bu çalıs ̧mada zorlukları bir bütün olarak çözülmek yerine küçük parçalara ayrılıp kolay- las ̧tırılmıs ̧tır. Her bir küçük parça farklı bir yapay zeka birimi tarafından zamansal fark ög ̆renimi yöntemiyle ög ̆renilmis ̧tir.
Özet (Çeviri)
Artificial intelligence and machine learning are widely popular in many sectors. One of them is the gaming industry. With many different scenarios, different types, games are perfect for machine learning and artificial intelligence. This study aims to develop learning agents to play the game of Hearts. Hearts is one of the most popular card games in the world. It is a trick based, imperfect information card game. In addition to having a huge state space, hearts offers many extra challenges due to the nature of the game. These challenges are divided into smaller parts where learning is easier and assigned to different learning agents. These agents use temporal difference learning to learn assigned parts.
Benzer Tezler
- Evaluating performance of large language models in bluff-based card games: A comparative study
Blöf temelli kart oyunlarında büyük dil modeline ait performans değerlendirilmesi: Karşılaştırmalı bir çalışma
İREM ŞALK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
PROF. DR. SANEM SARIEL UZER
- Abstraction in reinforcement learning in partially observable environments
Kısmi gözlemlenebilir ortamlar için pekiştirmeli öğrenmede soyutlama
ERKİN ÇİLDEN
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. FARUK POLAT
- Deep reinforcement learning for partially observable markov decision processes
Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme
MEHMET HAKLIDIR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- A neuro-fuzzy approach to partially observable Markov decision problems
Kısmi izlenimli Markov karar yöntemlerine sinirsel-bulanık bir yaklaşım
MEHMET TOYGAR KARADENİZ
Doktora
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT AKIN
- A heuristic temporal difference approach with adaptive grid discretization
Adaptif ızgara ayrıklaştırması ile sezgisel zamansal fark yaklaşımı
OZAN BORA FİKİR
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. FARUK POLAT