Artificial Intelligence for the Hex Game
Umělá inteligence pro hru Hex
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/193101Identifikátory
SIS: 267571
Kolekce
- Kvalifikační práce [11244]
Autor
Vedoucí práce
Oponent práce
Pešková, Klára
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika se specializací Obecná informatika
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
6. 9. 2024
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
Hex|deskové hry|umělá inteligence|algoritmus minimax|monte carlo tree searchKlíčová slova (anglicky)
Hex|board game|artificial intelligence|minimax algorithm|monte carlo tree searchHex je strategická desková hra pro dva hráče. Cílem této práce je navrhnout a naim- plementovat samotnou hru Hex a několik AI agentů, kteří jsou schopni Hex hrát. Nejprve jsme zanalyzovali Hex z hlediska teorie her a popsali některé z populárních AI algoritmů používaných pro podobné hry. Uvedli jsme také některé aktuální pokroky ve výzkumu v oblasti zkoumání Hexu a vytváření pro něj AI agentů. Nakonec jsme naimplemento- vali tři agenty umělé inteligence a experimentálně otestovali, který fungoval nejlépe a s jakými parametry. Naimplementovaní AI agenti jsou: heuristický agent využívající heuris- tiky k provádění svých tahů; pokročilejší agent minimax využívající algoritmus minimax s alfa-beta prořezáváním; a agent Monte Carlo Tree Search využívající pravděpodobnostní přístup Monte Carlo Tree Search. 1
Hex is a strategic, two-player board game. The goal of this work is to design and implement the Hex game itself and a couple of AI agents that are able to play Hex. First, we analyzed Hex from the game theory point of view and described some of the popular AI algorithms used for similar games. We also listed some of the current research progress in the field of exploring Hex and creating AI agents for it. Finally, we implemented the three AI agents and experimentally tested which performed the best and with which parameters. The AI agents implemented are: a heuristic agent using heuristics to make its moves; a more advanced minimax agent using the minimax algorithm with alpha-beta pruning; and a Monte Carlo Tree Search agent using the probabilistic Monte Carlo Tree Search approach. 1