but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) doc. RNDr. Dana Hliněná, Ph.D. (člen) doc. Ing. Jan Kořenek, 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 B. Otázky u obhajoby: Aké ďalšie agentné systémy by bolo možné pridať do Vášho multiagentného prostredia hry Starcraft II?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smrž, Pavel	cs
dc.contributor.author	Chábek, Lukáš	cs
dc.contributor.referee	Fajčík, Martin	cs
dc.date.created	2018	cs
dc.description.abstract	Práce se zabývá metodami strojového učení aplikovanými pro hraní strategických her v realném čase. V práci se zabývám metodou strojového učení Q-learning založenou na zpětnovazebním učení. Praktická část práce je implementování agenta pro hraní hry Starcraft II. Mnou navržené řešení se učí spolupráci 4 jednoduchých sítí, které se nadále učí optimálně provádět jim přístupné akce ve hře. Analýza a vyhodnocení systému jsou provedeny experimentováním a sbíráním statistik z odehraných her.	cs
dc.description.abstract	This work focuses on methods of machine learning for playing real-time strategy games. The thesis applies mainly methods of Q-learning based on reinforcement learning. The practical part of this work is implementing an agent for playing Starcraft II. Mine solution is based on 4 simple networks, that are colaborating together. Each of the network also teaches itself how to process all given actions optimally. Analysis of the system is based on experiments and statistics from played games.	en
dc.description.mark	B	cs
dc.identifier.citation	CHÁBEK, L. Posilované učení pro hraní hry Starcraft [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114592	cs
dc.identifier.uri	http://hdl.handle.net/11012/85144
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	Umělá Intelience	cs
dc.subject	Starcraft II	cs
dc.subject	RTS	cs
dc.subject	Q-Learning	cs
dc.subject	Deep-Q-Learning	cs
dc.subject	PySC2	cs
dc.subject	Machine Learnig	en
dc.subject	Artificial Intelligence	en
dc.subject	Stracraft II	en
dc.subject	RTS	en
dc.subject	Q-Learning	en
dc.subject	Deep-Q-Learning	en
dc.subject	PySC2	en
dc.title	Posilované učení pro hraní hry Starcraft	cs
dc.title.alternative	Reinforcement Learning for Starcraft Game Playing	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2018-06-13	cs
dcterms.modified	2020-05-10-16:13:04	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114592	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:07:07	en
sync.item.modts	2025.01.16 00:33:21	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Posilované učení pro hraní hry Starcraft

Files

Original bundle

Collections