Strategická desková hra s neurčitostí
but.committee | 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) | 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 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? | 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 | Sova, Michal | cs |
dc.contributor.referee | Zbořil, František | cs |
dc.date.created | 2021 | cs |
dc.description.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. | cs |
dc.description.abstract | 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. | en |
dc.description.mark | E | cs |
dc.identifier.citation | SOVA, M. Strategická desková hra s neurčitostí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021. | cs |
dc.identifier.other | 136502 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/199364 | |
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 | strojové učení | cs |
dc.subject | strategické hry | cs |
dc.subject | stolní hry | cs |
dc.subject | hry s neurčitostí | cs |
dc.subject | alfa-beta | cs |
dc.subject | Monte Carlo Tree Search (MCTS) | cs |
dc.subject | Scotland Yard | cs |
dc.subject | Go | cs |
dc.subject | metody hraní her | cs |
dc.subject | neuronové sítě | cs |
dc.subject | AlphaGo | cs |
dc.subject | machine learning | en |
dc.subject | strategic games | en |
dc.subject | board games | en |
dc.subject | games with uncertainity | en |
dc.subject | alpha-beta | en |
dc.subject | Monte Carlo Tree Search (MCTS) | en |
dc.subject | Scotland Yard | en |
dc.subject | Go | en |
dc.subject | game theory methods | en |
dc.subject | neural network | en |
dc.subject | AlphaGo | 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 | 2021-06-15 | cs |
dcterms.modified | 2021-06-19-12:15:56 | cs |
eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
sync.item.dbid | 136502 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2025.03.18 19:35:41 | en |
sync.item.modts | 2025.01.15 19:46:50 | 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 |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- final-thesis.pdf
- Size:
- 1.28 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- Posudek-Vedouci prace-23706_v.pdf
- Size:
- 86.17 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Vedouci prace-23706_v.pdf
Loading...
- Name:
- Posudek-Oponent prace-23706_o.pdf
- Size:
- 128.04 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Oponent prace-23706_o.pdf
Loading...
- Name:
- review_136502.html
- Size:
- 1.44 KB
- Format:
- Hypertext Markup Language
- Description:
- file review_136502.html