|
|
Hraní stolní hry Stratego počítačem
Irovský, Dominik ; Šátek, Václav (oponent) ; Zbořil, František (vedoucí práce)
Tématem této práce je desková hra s neúplnou informací Stratego. Cílem je průzkum a zhodnocení dosavadních řešení hraní počítačem, návrh, implementace a testovaní vlastního řešení hraní počítačem. Pro vlastní řešení byl zvolen modifikovaný algoritmus Monte Carlo Tree Search. Řešení bylo realizováno jako konzolová aplikace s možností rozšíření. Funkcionalita implementace byla validována a otestována pomocí experimentů. Efektivita výsledného algoritmu byla uspokojivá.
|
|
|
Hraní stolní hry Stratego počítačem
Irovský, Dominik ; Šátek, Václav (oponent) ; Zbořil, František (vedoucí práce)
Tématem této práce je desková hra s neúplnou informací Stratego. Cílem je průzkum a zhodnocení dosavadních řešení hraní počítačem, návrh, implementace a testovaní vlastního řešení hraní počítačem. Pro vlastní řešení byly zvoleny modifikovaný algoritmus Monte Carlo Tree Search, algoritmus alfa-beta a expectimax. Řešení bylo realizováno jako konzolová aplikace s možností rozšíření. Funkcionalita implementace byla validována a otestována pomocí experimentů. Efektivita výsledného algoritmu byla uspokojivá
|
|
|
Hraní stolní hry Stratego počítačem
Irovský, Dominik ; Šátek, Václav (oponent) ; Zbořil, František (vedoucí práce)
Tématem této práce je desková hra s neúplnou informací Stratego. Cílem je průzkum a zhodnocení dosavadních řešení hraní počítačem, návrh, implementace a testovaní vlastního řešení hraní počítačem. Pro vlastní řešení byl zvolen modifikovaný algoritmus Monte Carlo Tree Search. Řešení bylo realizováno jako konzolová aplikace s možností rozšíření. Funkcionalita implementace byla validována a otestována pomocí experimentů. Efektivita výsledného algoritmu byla uspokojivá.
|
|
|
General Game Playing and Deepstack
Schlindenbuch, Hynek ; Gemrot, Jakub (vedoucí práce) ; Majerech, Vladan (oponent)
Obecné hraní her je oblast umělé inteligence, která se zabývá vytvářením agentů schopných hrát hry z nějaké třídy. Pravidla se agenti dozví až před začátkem hry a tudíž nemohou být specializování na jednu hru. Deepstack byl první umělý agent, který porazil profesionální lidské hráče v heads-up no-limit Texas hold'em pokeru. Ačkoliv byl vytvořen přímo pro poker, tak v jeho jádru je obecný algoritmus na hraní her dvou hráčů s nulovým součtem a neúplnou informací - continual resolving. V této práci představíme obecnou verzi continual resolvingu a porovnáme ji s Online Outcome Sampling Monte Carlo Counterfactual Regret Minimization v několika hrách.
|
|
|
Solving Endgames in Large Imperfect-Information Games such as Poker
Ha, Karel ; Hladík, Milan (vedoucí práce) ; Bošanský, Branislav (oponent)
Název práce: Řešení koncovek ve velkých hrách s neúplnou informací jako je např. Poker Autor: Bc. Karel Ha Katedra: Katedra aplikované matematiky Vedoucí diplomové práce: doc. Mgr. Milan Hladík, Ph.D., Katedra aplikované matematiky Abstrakt: Koncovky mají významnou roli pro hráče. V pozdních fázích hry je mnoho aspektů již jasně definováno, což mnohdy umožňuje rozebrat všechny možnosti. Speciální zacházení s koncovkami je obzvláště účinné pro hry s úplnou informací, např. databáze šachových koncovek předvyřešené pro celé třídy typů zakončení, anebo v Go rozdělení desky do samostatných nezávislých podher. Je lákavé rozšířit tento přístup i na hry s neúplnou informací, jakým je např. známý Poker. Zahrát počáteční fáze hry, a jakmile podhry začnou být zvládnu- telné, vypočítat pro ně koncové řešení zvlášť. Ovšem situace je mnohem komp- likovanější pro hry s neúplnou informací. Podhry je potřeba zobecnit pro neúplnou informaci kvůli informačním množinám. Bohužel takové zobecnění nelze hned řešit přímo, neboť by nebyla zachována optimalita. V důsledku toho můžeme skončit s mnohem ovlivnitelnější strategií (co se týče zneužitelnosti). V současnosti jsou tři přístupy, jak se s touto...
|
host ::
RSS.