|
|
Artificial Intelligence for Children of the Galaxy Computer Game
Šmejkal, Pavel ; Gemrot, Jakub (vedoucí práce) ; Trunda, Otakar (oponent)
Ačkoli je umělá inteligence (UI) dnes schopna úspěšně řešit mnoho klasických her, na poli počítačových strategických her UI oponenti stále velmi pozadu. V této práci řešíme problém soubojů ve strategických počítačových hrách tím, že adaptujeme existující přístupy: Portfolio greedy search (PGS) a Monte-Carlo tree search (MCTS). Dále také představujeme vylepšenou verzi MCTS, nazvanou MCTS considering hit points (MCTS_HP). Kvalita těchto metod je uvažována v kontextu nedávno vydané 4X strategické hry Children of the Galaxy. Pro tuto hru implementujeme simulátor soubojů a vyhodnocovací framework, ve kterém srovnáváme různé přístupy k UI. Ukazujeme, že pro malou až střední velikost souboje jsou MCTS metody lepší než PGS. Ve všech scénářích je MCTS_HP lepší nebo stejně dobré jako klasické MCTS díky lépe vedenému prohledávání. V malých bitvách dokonce MCTS_HP se 100 milisekundovým časovým limitem poráží klasické MCTS s dvousekundovým časovým limitem. Kombinací rychlého hladového prohledávání PGS pro velké bitvy a přesnějšího MCTS_HP pro menší bitvy je možné dosáhnou univerzálnějšího UI hráče.
|
|
|
Artificial Intelligence for Quoridor Board Game
Brenner, Matyáš ; Gemrot, Jakub (vedoucí práce) ; Černý, Martin (oponent)
Cílem práce je navrhnout umělou inteligenci pro hru Sector 66, což je desková hra založená na hře Quoridor. Sector 66 umožňuje oproti Quoridoru navíc používat kouzla a políčka se speciálními efekty. Umělá inteligence je založena na algoritmu Monte Carlo Tree Search a je použitelná pro 2 až 4 hráče. Představená umělá inteligence pracuje s vysokým větvícím faktorem hry Quoridor/Sector 66 a umí si poradit s neznámými prvky v podobě uživatelských zásuvných modulů. Hra a umělá inteligence je vyvinuta za použití platformy .NET, XNA a jazyka C#. Powered by TCPDF (www.tcpdf.org)
|
|
|
Distributed Monte-Carlo Tree Search for Games with Team of Cooperative Agents
Filip, Ondřej ; Lisý, Viliam (vedoucí práce) ; Majerech, Vladan (oponent)
Cílem této práce je návrh, implementace a experimentální evaluace distribuovaných algoritmů pro plánování akcí týmu kooperujících autonomních agentů založených na Monte-Carlo tree search algoritmu. Jednotlivé algoritmy vyžadují rozdílné množství komunikace. V práci jsou shrnuty relevantní poznatky o Monte-Carlo tree search algoritmu, jeho paralelizaci a distribuovatelnosti a~algoritmech pro distribuovanou koordinaci autonomních agentů. Navržené algoritmy jsou testovány v prostředí zjednodušené hry Ms Pac-Man. Testována je síla jednotlivých algoritmů v závislosti na času výpočtu, množství komunikace a robustnosti vůči selhání komunikace. Jednotlivé algoritmy jsou dle těchto charakteristik porovnány. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.