Ανάπτυξη ενός ευφυούς πράκτορα λογισμικού για το παιχνίδι Super Mario Bros με τη χρήση νευροεξελικτικών μεθόδων

Ρωμαίος, Μιχαήλ; Romaios, Michail

dc.contributor.author	Ρωμαίος, Μιχαήλ	el
dc.contributor.author	Romaios, Michail	en
dc.date.accessioned	2016-07-25T09:25:53Z
dc.date.available	2016-07-25T09:25:53Z
dc.date.issued	2016-07-25
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43247
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11896
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Νευροεξέλιξη	el
dc.subject	Εξελικτικοί αλγόριθμοι	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Γενετικοί αλγόριθμοι	el
dc.subject	Neuroevolution	en
dc.subject	Evolutionary algorithms	el
dc.subject	Neural networks	el
dc.subject	Genetic algorithms	el
dc.subject	Artificial intelligence	el
dc.title	Ανάπτυξη ενός ευφυούς πράκτορα λογισμικού για το παιχνίδι Super Mario Bros με τη χρήση νευροεξελικτικών μεθόδων	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.classification	Υπολογιστική νοημοσύνη	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-05-31
heal.abstract	Τα παιχνίδια παρέχουν ένα ιδεώδες πεδίο δοκιμών για την ανάπτυξη και την αξιολόγηση αλγορίθμων τεχνητής νοημοσύνης. Αυτή η διπλωματική πραγματεύεται την χρήση νευροεξέλιξης για την ανάπτυξη ενός ευφυούς πράκτορα για το παιχνίδι Super Mario Bros. Για την ανάπτυξη του χειριστή χρησιμοποιήθηκε η πλατφόρμα Mario AI Benchmark και ο συνδυασμός Τεχνητών Νευρωνικών Δικτύων με Γενετικούς Αλγορίθμους. Ερευνήθηκαν διάφορες μορφές του χώρου εισόδων, η τοπολογία των νευρώνων εισόδου και εξόδου καθώς και διάφορα καθεστώτα αξιολόγησης της απόδοσης των πρακτόρων. Δείχθηκε ότι είναι σχετικά εύκολο να μάθει ένας πράκτορας τις βασικές στρατηγικές για να περάσει επίπεδα πολύ χαμηλής δυσκολίας, αλλά παρουσιάζει προβλήματα στην γενίκευση σε επίπεδα που δεν έχει εκπαιδευτεί , ειδικότερα σε επίπεδα μεγαλύτερης δυσκολίας.	el
heal.abstract	Games provide an ideal testbed for developing and testing artificial intelligence algorithms. This thesis explores the use of neuroevolution for developing an intelligent agent for the game Super Mario Bros. For the development of the agent the Mario AI Benchmark is used in conjunction with Artificial Neural Networks and Genetic Algorithms. Different input spaces and input/output neuron topologies where investigated, as well as different regimes for calculating the fitness of the agents. It was shown that it is relatively easy for agents to learn the basic strategies required to pass levels of low difficulty, though the agents have generalization problems in untrained levels, especially in levels of higher difficulty.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.advisorName	Σιόλας, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γιώργος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	98 σ.
heal.fullTextAvailability	true