|
|
Plánovač zahájení pro počítačovou hru StarCraft: Brood War
Dostál, František ; Gemrot, Jakub (vedoucí práce) ; Hric, Jan (oponent)
Starcraft: Brood Wars je populární startegická hra, jejíž hraní automatizované, či ni- koliv skýtá mnoho problémů. Jedním z těchto problému je volba úvodní budovací sekvence (build-order) ve chvíli, kdy nejsou ještě známy informace o strategii nepřítele. Většina her- ních agentů tento problém řeší náhodným výběrem ze standardizovaných strategií. Tyto strategie však musí být dopředu naplánované. Cílem této práce je pak implementace of- fline plánovače, schopného předplánovat agentovy kroky tak, aby byla zvolená strategie splněná v optimálním čase. Plánování probíhá přes heristický průchod stavového prostoru s časovou doménou. 1
|
|
|
Umělá inteligence pro hru Tajuplné říše
Miklóšová, Tereza ; Hric, Jan (vedoucí práce) ; Zelinka, Mikuláš (oponent)
V této práci se zabýváme implementací karetní hry Tajuplné říše pro hru více hráčů a zároveň umělou inteligencí, která by tuto hru mohla hrát. Umělá inteligence je založena na hladovém algoritmu, postupně rozšířena o hladový algoritmus s větším výhledem, a dále na zpětnovazebním učení. Hladový algoritmus se ukázal jako dobrý přístup ke hraní této hry a dosahuje průměrně velmi hezkých výsledků. Naopak při navržení modelu pro zpětnovazební učení jsme nedokázali zachytit všechny charakteristiky karet a hráč zpětnovazebního učení se ani po postupném zlepšení nedokázal vyrovnat hladovému hráči. 1
|
|
|
Umělá inteligence pro hru Azul
Počatko, Michal ; Dingle, Adam (vedoucí práce) ; Hric, Jan (oponent)
Porovnání tří různých pristupů na vytvoření umělé inteligence prodoskovou hru Azul a jejich implementace, testování a následné výsledky testů. Součástí práce je taky simulace hry vytvořená v herním enginu ve které je možné hrát proti ostatním hráčům nebo proti AI.
|
|
|
Efektivní algoritmy oveřování cílů v počítačových hrách
Suda, Martin ; Hric, Jan (vedoucí práce)
Tato práce se zabývá neuniformními metodami prohledávání stromů her dvou hráčů s úplnou informací. Konkrétně je zkoumána neuniformita založená na hrozbách realizovaná v podobě algoritmů lambda search a dual-lambda search. Hrozby, de nované jakožto útočné tahy, po kterých, když se obránce svého tahu vzdá, bude již s jistotou poražen, umožňují zredukovat prohledávaný prostor při zachování korektnosti výsledku. Práce dále popisuje novou metodu konstrukce tzv. zón relevance, tj. seznamů tahů resp. míst na hrací ploše, které jedině mohou mít vliv na výsledek. S pomocí těchto zón je možné výše jmenované algoritmy značně urychlit. V práci jsou též popsány tři hry, AtariGo, Hex a Piškvorky, a je rozebrána jejich vhodnost pro aplikaci zkoumané metody. Součástí práce je též implementace metody pro tyto hry s využitím známých technik (transpoziční tabulky, history heuristika).
|
|
|
Umělá inteligence pro hru Azul
Počatko, Michal ; Dingle, Adam Thomas (vedoucí práce) ; Hric, Jan (oponent)
Porovnání tří různých pristupů na vytvoření umělé inteligence prodoskovou hru Azul a jejich implementace, testování a následné výsledky testů. Součástí práce je taky simulace hry vytvořená v herním enginu ve které je možné hrát proti ostatním hráčům nebo proti AI.
|
|
|
Umělá inteligence pro deskovou hru dáma
Bělíček, David ; Švancara, Jiří (vedoucí práce) ; Hric, Jan (oponent)
Dáma je desková hra, která se v různých formách hraje po celém světě. Cílem této práce je teoreticky popsat a implementovat algoritmus umělé inteligence, která bude schopna hrát dámu. Vysvětlíme si co je to algoritmus Minimax, jak ho zefektivnit pomocí Alfa-Beta prořezávání a jeho verzi s omezenou hloubkou, která využívá heuristických ohodnocení. Uvedeme si dvě konkrétní heuristická ohodnocení, jak tyto ohodnocení nahradit neuronovou sítí a jak tyto sítě vyvíjet pomocí evolučních algoritmů. Nakonec uděláme několik experimentů, ve kterých otestujeme vytvořené heuristiky a sítě. Práce je zakončená turnajem, jenž rozhodne který z vyvinutých algoritmů je nejlepší.
|
|
|
Umělá inteligence pro hru Carcassonne - Objevitelé
Motlíček, Ondřej ; Hric, Jan (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Bakalářská práce se zabývá vývojem umělých inteligencí pro hru Carcassonne - Obje- vitelé. V této práci jsou představeny různé metody pro vytvoření umělé inteligence. Jsou zde vytvořeny heuristické funkce zaměřující se na různé aspekty hry. Pro prohledávání stavového prostoru hry jsou použity Monte Carlo metody a algoritmus Expectiminimax. Navržené metody umělých inteligencí jsou implementovány a experimentálně porovnány pomocí simulací vzájemných střetnutí. Jsou zde představeny a vysvětleny získané vý- sledky her umělých inteligencí. V rámci simulační prostředí jsou implementovány pro- gramy umožňující hru umělých i lidských hráčů s důrazem na automatickou dávkovou simulaci her umělých inteligencí. 1
|
|
|
Osadníci z Katanu
Novák, Daniel ; Hric, Jan (vedoucí práce) ; Pilát, Martin (oponent)
V této práci se zabýváme implementací stolní hry Osadníci z Katanu a umělé inteligence hrající tuto hru. Umělá inteligence je založena na kombinaci expecti- maxu a zpětnovazebního učení. S využitím zpětnovazebního učení se nám podařilo vyvinout agenta, který zvládá rozumně hrát. Strategii naučenou zpětnovazebním učením jsme úspěšně vylepšili využitím expectimaxu. Výsledný agent je schopný vyhrát proti průměrnému lidskému hráči.
|
|
|
Board game with artificial intelligence
Crha, Daniel ; Pilát, Martin (vedoucí práce) ; Hric, Jan (oponent)
Deskové hry pro více hráčů s prvky neurčité informace prezentují pro mnoho běž- ných herních algoritmů těžký problém. Studování jejich chování v takovýchto hrách je často nesnadné, protože existující implementace podobných her nemají silnou podporu pro umělé inteligence. Cílem této práce je implementovat deskovou hru pro více hráčů s prvky neurčité informace způsobem, který poskytne prostředí pro vývoj a testování různých typů umělé inteligence pro deskové hry se zmíněnými vlastnostmi. Dále se tato práce bude věnovat implementaci několika algoritmů pro tuto hru. Tato implementace nám umožní demonstrovat vlastnosti vyvinutého prostředí pro vývoj a testování umě- lých inteligencí, a dále nám umožní analyzovat vlastnosti existujících algoritmů při jejich aplikaci na deskovou hru s prvky jako je neúplná informace, nebo více hráčů. 1
|
|
|
GPU-accelerated Mahalanobis-average hierarchical clustering
Šmelko, Adam ; Kratochvíl, Miroslav (vedoucí práce) ; Hric, Jan (oponent)
Hierarchické klastrovacie algoritmy sú bežnými nástromi na zjednodušenie, skúmanie a analýzu datasetov v mnohých oblastiach výskumu. Pre prietokovú cytometriu bol navrhnutý špecifický variant aglomeračného zhlukovania, ktorý využíva klastrovanie založené na Mahalanobisovskej vzdialenosti, aby sa dosiahli výsledky, ktoré sa pre danú doménu lepšie hodia. Uplatniteľnosť tohto klastrovacieho algoritmu je v súčasnosti obmedzená jeho pomerne vysokou výpočtovou náročnosťou, ktorá mu neumožňuje škálovať bežné cytometrické datasety. Táto práca popisuje špecializovanú, na GPU- zrýchlenú verziu hierarchického klastrovania založeného na Mahalanobisovskej vzdialenosti, ktorá zlepšuje výkon algoritmu o niekoľko rádov, čo mu umožňuje počítať oveľa väčšie datasety. Práca poskytuje prehľad súčasných hierarchických klastrovacích algoritmov a podrobne popisuje implementáciu algoritmu na GPU. Výsledok sa porovnáva s verejne dostupnými vysokorozmernými údajmi z hmotnostnej cytometrie.
|
host ::
RSS.