Strategická desková hra s neurčitostí
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Táto práca rieši autonómne fungovanie hry Scotland Yard za využitia metód umelých inteligencií pre hranie hier a strojového učenia. Daný problém je úspešne vyriešený pomocou algoritmu pre hranie hier - Alfa-beta. Strojové učenie bolo riešené, ale nebolo úspešné najmä pre veľkú stavovú expanziu a pre nedostatočné možnosti vlastných zdrojov výpočtového výkonu. Riešenie pomocou algoritmu Alfa-beta bolo testované ľudským protihráčom a výsledok testovania ukázal schopnosť AI plnohodnotne konkurovať ľudskému hráčovi. Výsledkom práce je funkčná verzia autonómneho systému, ktorý hrá hru Scotland Yard v zmenšenej hernej ploche. Na základe experimentov so strojovým učením som navrhol niekoľko vylepšení, ktoré by v budúcnosti mohli viesť k funkčnému riešeniu problému strojovým učením.
The thesis focuses on creating an autonomous functional system for the game Scotland Yard by using artificial intelligence methods for game theory and machine learning. The problem is solved by algorithm of game theory - Alpha Beta. There was an attempt to use machine learning, but it proved to be unsuccessful due to the large number of states for expansion and insufficient computational recourses. The solution using Alpha Beta algorithm was tested on human players and it proved the ability of artificial intelligence to fully compete against real players. The resulting system is functional, autonomous and capable of playing the game Scotland Yard on simplified game area. Based on these experiments, the thesis also introduces some improvements that could utilize machine learning and extend the existing solution.
The thesis focuses on creating an autonomous functional system for the game Scotland Yard by using artificial intelligence methods for game theory and machine learning. The problem is solved by algorithm of game theory - Alpha Beta. There was an attempt to use machine learning, but it proved to be unsuccessful due to the large number of states for expansion and insufficient computational recourses. The solution using Alpha Beta algorithm was tested on human players and it proved the ability of artificial intelligence to fully compete against real players. The resulting system is functional, autonomous and capable of playing the game Scotland Yard on simplified game area. Based on these experiments, the thesis also introduces some improvements that could utilize machine learning and extend the existing solution.
Description
Citation
TULUŠÁK, A. Strategická desková hra s neurčitostí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. František Zbořil, Ph.D. (předseda)
doc. Ing. Lukáš Burget, Ph.D. (místopředseda)
doc. Ing. Vladimír Drábek, CSc. (člen)
Ing. Matěj Grégr, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Date of acceptance
2020-08-25
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: Můžete prosím vaše řešení srovnat s existujícími přístupy na bázi metod umělé inteligence pro hraní her obdobného charakteru jako Scotland Yard? V čem je vámi zvolený způsob řešení lepší/horší než konkurence? Byly by v případě hry Scotland Yard využitelné principy multiagentních systémů namísto metod umělé inteligence? Jaké výhody či naopak nedostatky by takovýto přístup mohl vykazovat? Existují nějaké možnosti, kterak by šlo využít k urychlení běhu implementace metody Q-Learning její paralelní implementace či případně využít vhodnou hardwarovou platformu (GPU, Google Coral a podobně)? V seznamu literatury máte uvedeny odkazy na několik GitHub repozitářů se zdrojovými kódy (položky č. 1, 7 a 11). Můžete prosím vysvětlit, jakým způsobem jste tyto podklady využil při přípravě vaší implementace?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení