|
|
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.
|
|
|
Artificial intelligence in abstract 2-player games
Veselý, Pavel ; Valla, Tomáš (vedoucí práce) ; Baudiš, Petr (oponent)
V této práci se zaměříme na algoritmy pro hledání nejlepšího tahu v~zadané pozici abstraktní strategické hry dvou hráčů. Popíšeme algoritmy Alfa-beta a Proof-number search včetně jejich vylepšení a přispějeme novými nápady na jejich zrychlení. Rovněž navrhneme postup, jak vybírat náhod\-ně mezi tahy ne o moc horšími než nejlepší nalezený a jak hrát v prohraných pozicích. Algoritmy nasadíme na hru Tzaar, která je zvláštní velkým počtem možných tahů, což ji dělá obtížnou pro počítač. Naším cílem je vytvořit co nejlepšího robota na hraní Tzaaru. Ukážeme, že naše umělá inteligence dokáže hrát na úrovni nejlepších lidských i~počítačových hráčů na internetu. Také na základě experimentů rozebereme, jak jednotlivá vylepšení algoritmů pomáhají v zrychlení výpočtů u~této hry.
|
|
|
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.
|
|
|
Artificial intelligence in abstract 2-player games
Veselý, Pavel ; Valla, Tomáš (vedoucí práce) ; Baudiš, Petr (oponent)
V této práci se zaměříme na algoritmy pro hledání nejlepšího tahu v~zadané pozici abstraktní strategické hry dvou hráčů. Popíšeme algoritmy Alfa-beta a Proof-number search včetně jejich vylepšení a přispějeme novými nápady na jejich zrychlení. Rovněž navrhneme postup, jak vybírat náhod\-ně mezi tahy ne o moc horšími než nejlepší nalezený a jak hrát v prohraných pozicích. Algoritmy nasadíme na hru Tzaar, která je zvláštní velkým počtem možných tahů, což ji dělá obtížnou pro počítač. Naším cílem je vytvořit co nejlepšího robota na hraní Tzaaru. Ukážeme, že naše umělá inteligence dokáže hrát na úrovni nejlepších lidských i~počítačových hráčů na internetu. Také na základě experimentů rozebereme, jak jednotlivá vylepšení algoritmů pomáhají v zrychlení výpočtů u~této hry.
|
host ::
RSS.