but.committee	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)	cs
but.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?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zbořil, František	cs
dc.contributor.author	Tulušák, Adrián	cs
dc.contributor.referee	Šimek, Václav	cs
dc.date.created	2020	cs
dc.description.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.	cs
dc.description.abstract	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.	en
dc.description.mark	D	cs
dc.identifier.citation	TULUŠÁK, A. Strategická desková hra s neurčitostí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129834	cs
dc.identifier.uri	http://hdl.handle.net/11012/194921
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	strategické hry	cs
dc.subject	stolné hry	cs
dc.subject	strojové učenie	cs
dc.subject	reinforcement learning	cs
dc.subject	hry s neurčitosťou	cs
dc.subject	q-learning	cs
dc.subject	alfa-beta	cs
dc.subject	Scotland Yard	cs
dc.subject	strategic games	en
dc.subject	board games	en
dc.subject	machine learning	en
dc.subject	reinforcement learning	en
dc.subject	games with uncertainity	en
dc.subject	q-learning	en
dc.subject	alpha-beta	en
dc.subject	Scotland Yard	en
dc.title	Strategická desková hra s neurčitostí	cs
dc.title.alternative	Strategic Game with Uncertainity	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-08-25	cs
dcterms.modified	2020-08-27-21:21:47	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129834	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:32:34	en
sync.item.modts	2025.01.15 23:40:58	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Strategická desková hra s neurčitostí

Files

Original bundle

Collections