Vliv hodnotících funkcí na průběh hry Člověče nezlob se.

Abstract

Tato práce se zabývá rozhodováním více agentů ve hře Člověče, nezlob se pomocí algoritmu MaxN, který slouží k výběru nejlepšího možného tahu na základě aktuální situace ve hře. Pro zvolený problém byl vytvořen program pro tuto hru, který využívá různé evaluační funkce k odlišnému hodnocení herních stavů a podpoře výběru nejlepšího tahu. Výsledky simulací ukázaly, že některé evaluační funkce mají výrazný vliv na výkonnost hráče, přičemž nejlepší varianta dosáhla 39% vítězství proti jiným strategiím ve hře se čtyřmi hráči. Přínosem téhle práce je ověření, že i algoritmus MaxN je možné použít ve hře s náhodou. Na základě zjištěných údajů lze určit nejvhodnější strategii ve hře Člověče, nezlob se a vliv hloubky zanoření na průběh hry.

This thesis addresses multi-agent decision-making in the game Ludo using the MaxN algorithm, which is designed to select the best possible move based on the current game state. A program for playing the game was developed, using different evaluation functions that asses game states in various ways to help select the best move. Simulation results showed that certain evaluation functions significantly affect player performance, with the best variant achieving a 39% win rate against other strategies in a four-player game. The main contribution of this work is the demonstration that the MaxN algorithm can also be applied in games involving randomness. Based on the collected data, it is possible to identify the most effective strategy in Ludo and analyze the impact of search depth on gameplay.