Heuristiky pro hraní hry Scotland Yard
| but.committee | doc. Ing. Lukáš Burget, Ph.D. (předseda) Ing. Radek Kočí, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Jiří Hynek, Ph.D. (člen) Ing. Lukáš Kekely, 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. Oponent hodnotil práci stupněm 4F, protože práce vykazuje nízkou textovou úroveň a nemá dostatečně provedené experimenty. Student nedokázal vyvrátit výtky oponenta. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující. | cs |
| but.jazyk | čeština (Czech) | |
| but.program | Informační technologie | cs |
| but.result | práce nebyla úspěšně obhájena | cs |
| dc.contributor.advisor | Zbořil, František | cs |
| dc.contributor.author | Cejpek, Michal | cs |
| dc.contributor.referee | Zbořil, František | cs |
| dc.date.created | 2024 | cs |
| dc.description.abstract | Tato práce se zabývá možností použití algoritmů hlubokého a posilovaného učení pro řešení problémů s neúplnou informací. Konkrétně je hlavním zkoumaným algoritmem PPO – Proximal Policy Optimization (optimalizace proximální politiky). K účelu otestování vhodnosti algoritmu PPO, byla vytvořena zjednodušená implementace hry Scotland Yard a také prostředí pro trénování a testování algoritmů. Z provedených experimentů této práce vzešlo, že algoritmus PPO je velmi vhodný na řešení problémů s neúplnou informací. Agenti při trénování velmi rychle získali pojem o cílech hry a vybudovali vhodné strategie pro naplnění těchto cílů. | cs |
| dc.description.abstract | This thesis explores the possibility of using deep and reinforcement learning algorithms to solve problems with incomplete information. The main algorithm under investigation is PPO – Proximal Policy Optimization. In order to test the suitability of the PPO algorithm, a simplified implementation of the Scotland Yard game was created as well as an environment for training and testing the algorithms. From performed experiments, it emerged that the PPO algorithm is very suitable for solving problems with incomplete information. The agents very quickly gained a sense of the game’s goals and built appropriate strategies to meet those goals through training. | en |
| dc.description.mark | E | cs |
| dc.identifier.citation | CEJPEK, M. Heuristiky pro hraní hry Scotland Yard [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024. | cs |
| dc.identifier.other | 156221 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/247489 | |
| 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 | DQN | cs |
| dc.subject | Posilované učení | cs |
| dc.subject | Proximální optimalizace politiky | cs |
| dc.subject | Scotland Yard | cs |
| dc.subject | Umělá inteligence ve hrách | cs |
| dc.subject | Artificial Intelligence in Games | en |
| dc.subject | DQN | en |
| dc.subject | Proximal Policy Optimization | en |
| dc.subject | Reinforcement Learning | en |
| dc.subject | Scotland Yard | en |
| dc.title | Heuristiky pro hraní hry Scotland Yard | cs |
| dc.title.alternative | Heuristics for the Scotland Yard Board Game | en |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2024-06-12 | cs |
| dcterms.modified | 2024-08-22-13:05:20 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 156221 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 21:01:34 | en |
| sync.item.modts | 2025.01.15 16:53:04 | 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 |