Dissertação

Building a Multi-Agent Learning System for Geometry Friends EVALUATED

Machine Learning é, hoje em dia, uma área excitante devido ao maior poder de computação disponível atualmente. A descoberta de aplicações para o mundo real aumenta, mas também o desenvolvimento de novos algoritmos e estratégias nesta área. Os jogos sempre foram um excelente laboratório para o estudo destas novas ideias e o Geometry Friends é um excelente exemplo disso. Trata-se de um desafio de estratégia multi-jogador que possui a sua própria competição com o objetivo de distinguir os melhores agentes cooperativos e não cooperativos. O problema do jogador único já teve várias diferentes abordagens ao longo dos anos, com resultados muito satisfatórios. A atenção vira-se agora para a resolução da componente de cooperação associada à jogabilidade multi-jogador. Neste trabalho, nós propomos uma arquitetura consistente de um sistema de aprendizagem multi-agente, inspirado no sucesso alcançado por agentes únicos na utilização de grafos direcionados de peso e Reinforcement Learning. A motivação é construir uma base sólida para futuras soluções de cooperação que procurem expandir e explorar conhecimentos de Machine Learning. Os resultados finais demonstram que o nosso sistema superioriza-se às propostas submetidas até hoje, assente numa estrutura simples apesar das exigências complexas inerentes a um ambiente multi-agente.
Geometry Friends, Sistema Multi-Agente, Agentes Cooperativos, Machine Learning, Reinforcement Learning

Novembro 19, 2019, 16:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Filipe Fernandes Prada

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

Francisco António Chaves Saraiva de Melo

Departamento de Engenharia Informática (DEI)

Professor Associado