Dissertação

{en_GB=Building a Multi-Agent Learning System for Geometry Friends} {} EVALUATED

{pt=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., en=Machine Learning is now an exciting field due to the increased computing power available today. Realworld application discoveries are increasing, but also new algorithms and strategies developed in this area. Games have always been a great playground for studying these new ideas and Geometry Friends is a great example. It is a multi-player puzzle game with its own competition that aims to distinguish the best cooperative and non-cooperative agents. The single player problem has had many different approaches over the years with very satisfactory results. Attention now turns to the resolution of the cooperation component associated with multi-player gameplay. In this paper, we propose a consistent multi-agent learning system architecture, inspired by the single agent success of using a weighted directed graph and Reinforcement Learning. The motivation is to build a solid foundation for future cooperation solutions that want to expand and exploit Machine Learning knowledge. The final results will demonstrate that our system outperforms all proposals submitted to date, based on a relative simple structure giving the complex demands of a multi-agent environment.}
{pt=Geometry Friends, Sistema Multi-Agente, Agentes Cooperativos, Machine Learning, Reinforcement Learning, en=Geometry Friends, Multi-Agent System, Cooperative Agents, Machine Learning, Reinforcement Learning}

Novembro 19, 2019, 16:30

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