Umělá inteligence pro deskovou hru
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce navrhuje hráče ovládané umělou inteligencí pro hru Dice Wars. Dice Wars je nedeterministická tahová hra s nulovým součtem. Bylo vytvořeno několik AI hráčů s využitím pravidlového přístupu, algoritmu expecitminimax a logistické regrese. Pro zhodnocení kvality navržených AI hráčů byla vytvořena implementace hry Dice Wars. Z výsledků experimentů vyplývá, že ve hře dvou hráčů je výhodnější hrát agresivněji než v případě vícehráčových her. Ve hře osmi hráčů vyhrává AI využívající expectiminimax přes 60 % her proti náhodným hráčům a 21.4 % her proti ostatním navrženým AI. Ve hrách dvou hráčů dosahuje nejlepších výsledků AI založená na logistické regresi, která jako příznaky používá skóre a počty kostek jednotlivých hráčů. V průměru vyhrává 59.4 % her.
This work proposes and implements AI agents for the game Dice Wars. Dice Wars is turn-based, zero-sum game with non-deterministic move results. Several AI agents were created using rule-based approach, expectiminimax algorithm, and logistic regression. To evaluate the performance of proposed agents, an implementation of the game was created. Results of the experiments have shown that it's preferable to play aggressively in two-player games and make more optimal moves in games played with more players. The agent using expectiminimax is able to win more than 60 % of games in 8-player games against random players and wins 21.4 % of games played against a mix of seven other agents created in this work. In two-player setups, the agent using logistic regression with numbers of players' scores and number of dice as features has the best performance and wins 59.4 % of games in average.
This work proposes and implements AI agents for the game Dice Wars. Dice Wars is turn-based, zero-sum game with non-deterministic move results. Several AI agents were created using rule-based approach, expectiminimax algorithm, and logistic regression. To evaluate the performance of proposed agents, an implementation of the game was created. Results of the experiments have shown that it's preferable to play aggressively in two-player games and make more optimal moves in games played with more players. The agent using expectiminimax is able to win more than 60 % of games in 8-player games against random players and wins 21.4 % of games played against a mix of seven other agents created in this work. In two-player setups, the agent using logistic regression with numbers of players' scores and number of dice as features has the best performance and wins 59.4 % of games in average.
Description
Citation
TUREČEK, D. Umělá inteligence pro deskovou hru [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.
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. Martin Čadík, Ph.D. (místopředseda)
doc. RNDr. Dana Hliněná, Ph.D. (člen)
doc. Ing. Jan Kořenek, Ph.D. (člen)
Ing. Vladimír Veselý, Ph.D. (člen)
Date of acceptance
2018-06-13
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 A. Otázky u obhajoby: Is there any ideas to improve STEi over SDC in 2 player game ? Why combining number of dice and player scores as features (WPM-C) did not perform complementary/better to WPM-D ?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení