Систем за адаптацију стратегије у поновљеним неодређеним играма нулте суме са два играча

Đorđe Mirosavić

doi:10.24867/

Elektrotehničko i računarsko inženjerstvo

God. 41 Br. 08 (2026): Зборник радова Факултета техничких наука

Систем за адаптацију стратегије у поновљеним неодређеним играма нулте суме са два играча

Đorđe Mirosavić

PDF

DOI:: https://doi.org/10.24867/
Predato: September 7, 2026
Objavljeno: 2026-09-09

Apstrakt

Тема овог рада је прављење платформе која учи понашање човека у игри папиркамен-маказе, и сходне томе адаптивно бира стратегију помоћу које га побеђује. У првом делу рада биће приказане стратегије које ће се користити, прављења софтверске и хардверске платформе. У другом делу ће бити приказани резултати експеримената.

Reference

[1] Figurska M, Stańczyk M, Kulesza K. (2008).
“Humans cannot consciously generate random
numbers sequences: Polemic study”
[2] Schulz, MA., Baier, S., Timmermann, B. (2021). “A
cognitive fingerprint in human random number
generation”
[3] Hasselt, H., Guez, A., & Silver, D. (2015). “Deep
Reinforcement Learning with Double Q-learning”
[4] Wang, Z., Xu, B. & Zhou, HJ. (2014).“Social cycling
and conditional responses in the Rock-Paper-Scissors
game”
[5] Kumar, D. (2024).“DDQN: Tackling Overestimation
Bias in Deep Reinforcement Learning”

[1] [1] Figurska M, Stańczyk M, Kulesza K. (2008).

[2] “Humans cannot consciously generate random

[3] numbers sequences: Polemic study”

[4] [2] Schulz, MA., Baier, S., Timmermann, B. (2021). “A

[5] cognitive fingerprint in human random number

[6] generation”

[7] [3] Hasselt, H., Guez, A., & Silver, D. (2015). “Deep

[8] Reinforcement Learning with Double Q-learning”

[9] [4] Wang, Z., Xu, B. & Zhou, HJ. (2014).“Social cycling

[10] and conditional responses in the Rock-Paper-Scissors

[11] game”

[12] [5] Kumar, D. (2024).“DDQN: Tackling Overestimation

[13] Bias in Deep Reinforcement Learning”