Umělá inteligence pro strategické hry s neúplnou informací
Artifical Intelligence for games with incomplete information
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/192086Identifikátory
SIS: 260847
Kolekce
- Kvalifikační práce [11216]
Autor
Vedoucí práce
Oponent práce
Majerech, Vladan
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika se specializací Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
28. 6. 2024
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Velmi dobře
Klíčová slova (česky)
umělá inteligence|neúplná informace|strategické hry|Monte CarloKlíčová slova (anglicky)
artificial intelligence|incomplete information|strategic games|Monte CarloTato bakalářská práce poskytuje úvod do teorie her a metod umělé inteligence, speciálně pro hry s neúplnou informací, a hratelnou aplikaci hry na motivy Scotland Yard (Fantom staré Prahy) na náhodně generovaných mapách s možností hrát s člověkem i umělými hráči. Kromě základních konceptů teorie her představuji dvě související bakalářské práce a v tuto chvíli nejsilnější a nejobecnější algoritmus Student of Games. Zaměřuji se na implementaci pokročilého algoritmu umělé inteligence. Práce nabízí dva různé umělé hráče. První využívá heuristiky založené na vlastnostech domény hry, druhý využívá ISMCTS. Hráči jsou v experimentech testováni proti sobě. Z výsledků vyplývá, že jsou výkonnostně různí, což poskytuje uživateli škálu různé síly AI protivníků.
This bachelor thesis provides an introduction to game theory and artificial intelligence methods, specifically for games with incomplete information, and a playable application of the game based on the Scotland Yard on randomly generated maps with the option to play with a human or artificial players. In addition to the basic concepts of game theory, I introduce two related bachelor theses and the currently strongest and most general algorithm, Student of Games. I focus on implementing an advanced artificial intelligence algorithm. The thesis offers two different AI players. The first utilizes heuristics based on the properties of the game domain, while the second utilizes ISMCTS. Players are tested against each other in experiments. The results show that they perform differently, providing the user with a range of AI opponent strengths.