Članovi tima:
Petljanski Jovan SW-31/2018, grupa 2
Asistenti:
Aleksandar Lukić
Problem koji se rešava:
Treniranje agenta da preskače prepreke na putu
Algoritam:
NEAT - Neuroevolution of augmenting topologies
Dataset:
Agent u PyGame okruženju koji se pomera na desno i može u svakom trenutku da skoči. Potrebno ga je istrenirati NEAT algoritmom da preskoči nasumične prepreke na koje naiđe na putu.
Metrika za merenje performansi:
Fitness funkcija za evaluaciju najboljeg gena svake generacije. Metrika je totalni score dobijen, koji je ekvivalentan totalnoj distanci koju agent pređe od početka igre. Svaka kolizija sa preprekom se vodi kao negativna vrednost u fitness funkciji.
Validacija rešenja:
Validnost rešenja je merena fintess funkcijom. Rešenje je dobro, odnosno agent se dobro ponašao ako je vrednost funkcije velika.
Članovi tima: Petljanski Jovan SW-31/2018, grupa 2
Asistenti: Aleksandar Lukić
Problem koji se rešava: Treniranje agenta da preskače prepreke na putu
Algoritam: NEAT - Neuroevolution of augmenting topologies
Dataset: Agent u PyGame okruženju koji se pomera na desno i može u svakom trenutku da skoči. Potrebno ga je istrenirati NEAT algoritmom da preskoči nasumične prepreke na koje naiđe na putu.
Metrika za merenje performansi: Fitness funkcija za evaluaciju najboljeg gena svake generacije. Metrika je totalni score dobijen, koji je ekvivalentan totalnoj distanci koju agent pređe od početka igre. Svaka kolizija sa preprekom se vodi kao negativna vrednost u fitness funkciji.
Validacija rešenja: Validnost rešenja je merena fintess funkcijom. Rešenje je dobro, odnosno agent se dobro ponašao ako je vrednost funkcije velika.