|
|
Generování mapy a hledání cesty v mapě pro strategické hry
Karásek, Štěpán ; Mráček, Štěpán (oponent) ; Orság, Filip (vedoucí práce)
Tato práce se skládá ze dvou částí. V první části se zabývá procedurálním generováním mapy se zaměřením na tvorbu terénu. Nejdříve jsou rozebrány principy generování terénu, použitelné algoritmy a způsoby generování dalších krajinných prvků mapy. Generování terénu za použití algoritmu diamond-square je následně implementováno a začleněno do existujícího herního enginu. Druhá část práce pojednává o problému hledání cesty v mapě, jsou zde popsány použitelné algoritmy a jeden z nich podrobněji vysvětlen. Dále se v práci řeší úprava nalezené cesty do přirozenějších tvarů a nastiňují se možnosti hierarchických algoritmů pro hledání cesty. Algoritmus A* pro hledání cesty je rovněž implementován a začleněn do existujícího herního enginu. Funkčnost obou algoritmů je prezentována v interaktivní aplikaci s grafickým rozhraním.
|
|
|
Neuronové sítě a genetické algoritmy
Karásek, Štěpán ; Snášelová, Petra (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá evolučními a genetickými algoritmy a jejich možnou spoluprací při tvorbě a učení neuronových sítí. V teoretické části jsou popsány genetické algoritmy a neuronové sítě. Také jsou popsány možnosti jejich kombinace a je proveden přehled existujících algoritmů. V praktické části je popsána implementace algoritmu NEAT. Dále jsou s algoritmem NEAT provedeny experimenty a na základě jejich výsledků je navrhnuta kombinace algoritmu s diferenciální evolucí. Výsledky kombinace algoritmů jsou zhodnoceny. V závěru je algoritmus NEAT porovnán s klasickými učícími metodami backpropagation (pro dopředné neuronové sítě) a backpropagation through time (pro rekurentní neuronové sítě) a to z hledika rychlosti učení, kvality odezvy sítě i jejich závislosti na velikosti sítě.
|
|
| |
|
|
Neuronové sítě a genetické algoritmy
Karásek, Štěpán ; Snášelová, Petra (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá evolučními a genetickými algoritmy a jejich možnou spoluprací při tvorbě a učení neuronových sítí. V teoretické části jsou popsány genetické algoritmy a neuronové sítě. Také jsou popsány možnosti jejich kombinace a je proveden přehled existujících algoritmů. V praktické části je popsána implementace algoritmu NEAT. Dále jsou s algoritmem NEAT provedeny experimenty a na základě jejich výsledků je navrhnuta kombinace algoritmu s diferenciální evolucí. Výsledky kombinace algoritmů jsou zhodnoceny. V závěru je algoritmus NEAT porovnán s klasickými učícími metodami backpropagation (pro dopředné neuronové sítě) a backpropagation through time (pro rekurentní neuronové sítě) a to z hledika rychlosti učení, kvality odezvy sítě i jejich závislosti na velikosti sítě.
|
|
|
Generování mapy a hledání cesty v mapě pro strategické hry
Karásek, Štěpán ; Mráček, Štěpán (oponent) ; Orság, Filip (vedoucí práce)
Tato práce se skládá ze dvou částí. V první části se zabývá procedurálním generováním mapy se zaměřením na tvorbu terénu. Nejdříve jsou rozebrány principy generování terénu, použitelné algoritmy a způsoby generování dalších krajinných prvků mapy. Generování terénu za použití algoritmu diamond-square je následně implementováno a začleněno do existujícího herního enginu. Druhá část práce pojednává o problému hledání cesty v mapě, jsou zde popsány použitelné algoritmy a jeden z nich podrobněji vysvětlen. Dále se v práci řeší úprava nalezené cesty do přirozenějších tvarů a nastiňují se možnosti hierarchických algoritmů pro hledání cesty. Algoritmus A* pro hledání cesty je rovněž implementován a začleněn do existujícího herního enginu. Funkčnost obou algoritmů je prezentována v interaktivní aplikaci s grafickým rozhraním.
|
host ::
RSS.