Aplikace procedury ExpectiMiniMax na hru Vrhcáby.

Abstract

Tato práce se zabývá implementací algoritmu ExpectiMiniMax v hře Backgammon, zejména s důrazem na vyhodnocování a zdokonalování faktorů, které ovlivňují výsledky hry. Je vyvinut systém umělé inteligence založený na algoritmu ExpectiMiniMax, který simuluje hry Backgammon mezi soupeři s umělou inteligencí. Simulace, zahrnující stovky zápasů mezi hráči s umělou inteligencí, byly provedeny za účelem analýzy a kvantifikace vlivu různých strategických a pozičních faktorů ve hře. Díky tomu byly identifikovány kritické faktory ovlivňující hru, které zlepšují schopnost AI efektivně vyhodnocovat pozice na desce.

This thesis investigates the implementation of the ExpectiMiniMax algorithm in Backgammon, particularly emphasizing evaluating and refining the factors that influence game outcomes. An artificial intelligence (AI) system based on the ExpectiMiniMax algorithm is developed to simulate Backgammon games between AI opponents. Simulations, including hundreds of matches between AI players, were conducted to analyze and quantify the impact of various strategic and positional factors within the game. As a result, critical factors influencing the game have been identified to improve the AI's ability to evaluate board positions effectively.