|
|
MCTS with Information Sharing
Baudiš, Petr ; Hric, Jan (vedoucí práce) ; Majerech, Vladan (oponent)
Představíme naši výkonnou implementaci algoritmu Monte Carlo stromového vyhledávání (MCTS) pro hraní deskové hry Go: Pachi. Program je založeno na dříve publikovaných algoritmech i našich původních vylepšeních. Následně se zaměříme na zlepšování efektivity prohledávání pomocí sběru informací týkajících se taktických situací a obecného stavu hry z jednotlivých Monte Carlo simulací a jejich sdílení v rámci herního stromu. Navrhneme konkrétní metody takového sdílení --- dynamické komi, měření kritičnosti tahů a mapy svobod --- a předvedeme jejich pozitivní účinek na základě naměřené výkonnosti vůči jiným programům. Na závěr načrtneme několik zajímavých navazujících témat souvisejích s naším výzkumem.
|
|
|
Monte Carlo Techniques in Planning
Trunda, Otakar ; Barták, Roman (vedoucí práce) ; Toropila, Daniel (oponent)
Algoritmus Monte Carlo Tree Search (MCTS) v nedávné době prokázal, že dokáže úspěšně řešit těžké problémy v oblasti optimalizace i v oblasti hraní her. Pomocí tohoto algoritmu byly vyřešeny i některé problémy, které dlouho vzdorovaly konvenčním technikám. V této práci zkoumáme možnosti aplikace MCTS v oblasti plánování a rozvrhování. Problém zkoumáme z teoretického pohledu a snažíme se identifikovat případné potíže při použití MCTS v této oblasti. Navrhujeme řešení těchto problémů pomocí úpravy algoritmu a pomocí předzpracování plánovací domény. Představujeme techniky které jsme pro tyto účely vyvinuli a integrujeme je do funkčního celku. Výsledný algoritmus specializujeme na konkrétní typ plánovacích problémů - plánování přepravy. Vzniklý plánovač experimentálně porovnáváme se současnými plánovacími systémy.
|
|
|
Algoritmy pro Taflové hry
Halmo, Kryštof ; Kočí, Radek (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je vytvořit program, který umožňuje hrát některé typy taflových her proti různým algoritmům či proti jiným hráčům. V řešení bylo použito aloritmů MCTS, Alfabeta a Minmax s heuristikami, které urychlují vyhledávání a ohodnocování herního pole na základě specifických parametrů. Vytvořené řešení poskytuje možnost výběru parametru spuštění. Výsledky této práce poskytují možnost porovnání mezi typy těchto her nejen z hlediska rychlosti nalezení tahu, ale také z hlediska porovnání různých algoritmů mezi sebou pro dané typy taflových her.
|
|
|
Monte Carlo Techniques in Planning
Trunda, Otakar ; Barták, Roman (vedoucí práce)
Algoritmus Monte Carlo Tree Search (MCTS) v nedávné době prokázal, že dokáže úspěšně řešit těžké problémy v oblasti optimalizace i v oblasti hraní her. Pomocí tohoto algoritmu byly vyřešeny i některé problémy, které dlouho vzdorovaly konvenčním technikám. V této práci zkoumáme možnosti aplikace MCTS v oblasti plánování a rozvrhování. Problém zkoumáme z teoretického pohledu a snažíme se identifikovat případné potíže při použití MCTS v této oblasti. Navrhujeme řešení těchto problémů pomocí úpravy algoritmu a pomocí předzpracování plánovací domény. Představujeme techniky, které jsme pro tyto účely vyvinuli a integrujeme je do funkčního celku. Výsledný algoritmus specializujeme na konkrétní typ plánovacích problémů - plánování přepravy. Vzniklý plánovač experimentálně porovnáváme se současnými plánovacími systémy.
|
|
|
Playing Gomoku with Neural Networks
Slávka, Michal ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
This thesis explores the usage of AlphaZero algorithm for the game of Gomoku. AlphaZero is a reinforcement learning algorithm, which does not require any existing datasets and is able to improve only by using self-play. It uses a tree search for policy improvement, which is subsequently used for training. This approach was able to defeat the previous state of the art methods. Generating training data of high quality requires a lot of computationally expensive iterations, which makes them algorithm slow to train. Experiments show that the strength of the play is growing with each subsequent iteration, this might indicate that it still has room for improvement with more training and that it has not reached its full potential.
|
|
|
Monte Carlo Techniques in Planning
Trunda, Otakar ; Barták, Roman (vedoucí práce)
Algoritmus Monte Carlo Tree Search (MCTS) v nedávné době prokázal, že dokáže úspěšně řešit těžké problémy v oblasti optimalizace i v oblasti hraní her. Pomocí tohoto algoritmu byly vyřešeny i některé problémy, které dlouho vzdorovaly konvenčním technikám. V této práci zkoumáme možnosti aplikace MCTS v oblasti plánování a rozvrhování. Problém zkoumáme z teoretického pohledu a snažíme se identifikovat případné potíže při použití MCTS v této oblasti. Navrhujeme řešení těchto problémů pomocí úpravy algoritmu a pomocí předzpracování plánovací domény. Představujeme techniky, které jsme pro tyto účely vyvinuli a integrujeme je do funkčního celku. Výsledný algoritmus specializujeme na konkrétní typ plánovacích problémů - plánování přepravy. Vzniklý plánovač experimentálně porovnáváme se současnými plánovacími systémy.
|
|
|
Artificial Intelligence for Go on Non-standard Topologies
Červeň, Martin ; Gemrot, Jakub (vedoucí práce) ; Brunetto, Robert (oponent)
Go je populární strategická hra pro dva hráče. Obvykle se hraje na čtvercové desce o rozměrech 19x19. Cílem této práce je vytvořit aplikaci umožňující uži- vateli hrát Go na jakékoli desce definované grafem, například na kouli nebo toruse. Vytvořili jsme webovou klient-server aplikaci napsanou v JavaScriptu a Node.js, která používá protokol Websockets pro rychlou komunikaci. Aplikace umožňuje uživateli hrát proti jiným hráčům na Internetu. Server může podporovat více souběžných her. Desky lze vytvářet modelovacím nástrojem Blender a poté je importovat do aplikace. Naše aplikace podporuje 3D vykreslování těchto desek ve webovém klientovi pomocí WebGL. Má responsivní ovládání umožňující změnu pohledu otočením, pohybem a zoomem. Uživatelé mohou také hrát proti umělé inteligenci. 1
|
|
|
Kooperativní hledání cest s protivníkem
Ivanová, Marika ; Surynek, Pavel (vedoucí práce) ; Mrázová, Iveta (oponent)
Předložená práce definuje a zkoumá problém kooperativního hledání cest s protivníkem (adversarial cooperative path finding - ACPF), který představuje zobecnění známé úlohy kooperativního hledání cest. Oproti standardní kooperativní verzi, v níž je úkolem najít nekolidující cesty pro několik agentů spojující jejich počáteční a cílové pozice, ACPF uvažuje navíc agenty ovládané protivníkem. Práce se zaměřuje jak na teoretické vlastnosti, tak na praktické techniky řešení uvažovaného problému. Úlohu ACPF zavádíme formálně pomocí pojmů z teorie grafů a zkoumáme její výpočetní složitost, kde ukazujeme, že úloha je PSPACE-těžká a patří do třídy EXPTIME. Představujeme a diskutujeme možné metody vhodné pro praktické řešení ACPF. Uvažované řešící postupy zahrnují hladové algoritmy, minimaxové metody, Monte Carlo Tree Search a adaptaci algoritmu pro kooperativní verzi. Z provedeného experimentálního vyhodnocení vyplývá mimo jiné překvapivě častá úspěšnost hladových metod a spíše slabší výsledky u Monte Carlo Tree Search. Powered by TCPDF (www.tcpdf.org)
|
|
|
Monte Carlo Techniques in Planning
Trunda, Otakar ; Barták, Roman (vedoucí práce) ; Toropila, Daniel (oponent)
Algoritmus Monte Carlo Tree Search (MCTS) v nedávné době prokázal, že dokáže úspěšně řešit těžké problémy v oblasti optimalizace i v oblasti hraní her. Pomocí tohoto algoritmu byly vyřešeny i některé problémy, které dlouho vzdorovaly konvenčním technikám. V této práci zkoumáme možnosti aplikace MCTS v oblasti plánování a rozvrhování. Problém zkoumáme z teoretického pohledu a snažíme se identifikovat případné potíže při použití MCTS v této oblasti. Navrhujeme řešení těchto problémů pomocí úpravy algoritmu a pomocí předzpracování plánovací domény. Představujeme techniky které jsme pro tyto účely vyvinuli a integrujeme je do funkčního celku. Výsledný algoritmus specializujeme na konkrétní typ plánovacích problémů - plánování přepravy. Vzniklý plánovač experimentálně porovnáváme se současnými plánovacími systémy.
|
|
|
Arimaa challenge - comparission study of MCTS versus alpha-beta methods
Jakl, Tomáš ; Majerech, Vladan (vedoucí práce) ; Hric, Jan (oponent)
Ve světě šachových programů je považováno AlphaBeta prohledávání za nejvíce úspěšné, na druhou stranu ve světě Go je to Monte Carlo Tree Search. Hra Arimaa je podobná jak Go tak šachům, ale zatím se nestalo, že by se objevil úspěšný hrající program používající Monte Carlo Tree Search. Hlavním úkolem této práce je porovnat schopnosti Monte Carlo Tree Search a AlphaBeta prohledávání, když oba algoritmy budou používat stejnou ohodnocovací funkci.
|
host ::
RSS.