Original title:
Umělá inteligence pro hru Bang!
Translated title:
Artificial Intelligence for the Bang! Game
Authors:
Daniláková, Monika ; Pilát, Martin (advisor) ; Děchtěrenko, Filip (referee) Document type: Bachelor's theses
Year:
2017
Language:
eng Abstract:
[eng][cze] This work explores artificial intelligence (AI) algorithms for the game Bang!, a Wild West-themed card game created by Italian game designer Emiliano Sciarra. The aim of this work was to design three different AIs for this game and to compare them theoretically and experimentally. First, we analyzed game Bang! with regards to game theory, and researched some of the AI algorithms used in similar games. We then designed three different AIs algorithms and compared their advantages and disadvantages. These three AIs included an AI based on the Monte Carlo Tree Search algorithm, a genetic AI and a hybrid AI using elements of both previous AIs. We also implemented the game itself and the AIs in C#. The implementation makes it easy to add more AIs or client applications in the future, and also to compare and train the AIs. Finally, we experimentally compared the implemented AIs. The genetic AI performed the best, while Monte Carlo Tree Search AI and the hybrid AI were less suitable for this game. Powered by TCPDF (www.tcpdf.org)Tématem této práce jsou algoritmy umělé inteligence (AI) pro hru Bang!, karetní hru s tématikou Divokého západu, vytvořenou italským vývojářem her Emilianem Sciarrem. Cílem téhle práce bylo navrhnout umělou inteligence pro tuhle hru a teoreticky a experimentálně je porovnat. Nejdřív jsme zanalyzovali hru Bang! s ohledem na teorii her a prozkoumali několik algoritmů umělé inteligence použitých v podobných hrách. Pak jsme navrhli tři různé umělé inteligence a porovnali jejich výhody a nevýhody. Tyhle tři umělé inteligence byli AI používající algoritmus Monte Carlo Tree Search, genetické AI a hybridní AI používající elementy obou předchozích AI. Také jsme naimplementovali samotnou hru a umělé inteligence v jazyce C#. Způsob implementace umožňuje lehce přidávat další umělé inteligence nebo klientské aplikace v budoucnosti, a taky porovnávat a trénovat AI. Nakonec jsme experimentálně porovnali naimplementované umělé inteligence. Evoluční umělá inteligence hrála nejlíp, zatímco Monte Carlo Tree Search AI a hybridní AI byli méně vhodné pro tuto hru. Powered by TCPDF (www.tcpdf.org)
Keywords:
artificial intelligence; board card game; multi-player game; desková karetní hra; hra více hráčů; umělá inteligence
Institution: Charles University Faculties (theses)
(web)
Document availability information: Available in the Charles University Digital Repository. Original record: http://hdl.handle.net/20.500.11956/1994