Strategická desková hra s neurčitostí

Loading...
Thumbnail Image
Date
ORCID
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato páce řeší autonomní hraní hry Scotland Yard za využití metody strojového učení. Daný problém je vyřešen pomocí algoritmu Monte Carlo tree search. Algoritmus Monte Carlo tree search byl testován proti algoritmu Alfa-beta. Výsledky testování ukázaly, že navržený algoritmus je funkční, ale procento výher u algoritmu Monte Carlo tree search je nižší než u algoritmu Alfa-beta. Výsledkem práce je funkční verze systému, který hraje zjednodušenou verzi hry Scotland Yard autonomně. Dále práce obsahuje rozšíření hry Scotland Yard přidáním agentů a změnou parametrů. Rozšíření této verze pro algoritmus Alfa-beta nebylo úspěšné kvůli nedostatečné kapacity vlastních zdrojů. Naopak algoritmus Monte Carlo tree search se jeví v tomto ohledu úspěšnější.
The thesis focuses on creating an autonomous system for the game Scotland Yard by using machine learning method. The problem is solved by algorithm Monte Carlo tree search. Algorithm Monte Carlo tree search was tested against algorithm Alpha-beta. These results showed that Monte Carlo tree search algorithm is operational but win rate of this algorithm is lower than win rate of algorithm Alpha-beta. The resulting system is functional, autonomous and capable of playing the game Scotland Yard on simplified game area. There was an attempt to expand simplified version of the game Scotland Yard. In expanded version algorithm Alpha-beta was not successful because of insufficient computational resources. Algorithm Monte Carlo tree search, on the other hand, was more successful in expanded version.
Description
Citation
SOVA, M. Strategická desková hra s neurčitostí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
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. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) Ing. Lukáš Kekely, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen)
Date of acceptance
2021-06-15
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 E. Otázky u obhajoby: V kap. 2.2 uvádíte, že "MCTS používá tzv. exploration-explanation trade-off". Může konkretizovat, ve kterých bodech algoritmu MCTS jde o exploration, a ve kterých o exploitation? Můžete se vyjádřit k mé poznámce v komentáři k prezentační úrovni, že vztahy 2.1, 4.1, 5.1, 5.2, 5.3, 5.4 jsou jediným vztahem s různě pojmenovanými proměnnými? Jakým způsobem probíhá rozhodování ve zvoleném algoritmu? Kde ve hře se vyskytuje neurčitost? Rozhodují agenti společně, nebo každý agent zvlášť? Využíváte u MCTS nějakou heuristiku?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO