but.committee	doc. Ing. Jaroslav Zendulka, CSc. (předseda) prof. RNDr. Milan Češka, CSc. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. Ing. Jiří Rybička, Dr. (člen) RNDr. Marek Rychlý, Ph.D. (člen) Ing. Igor Szőke, 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 velmi dobře (B). Otázky u obhajoby: - Vysvětlete postup, jak byly navrženy herní sítě z obrázku 5.1 a 5.2. - Diskutujte využitelnost jiných vrstev rysů poskytovaných knihovnou PySC2, nebo naopak odebrání dalších vrstev pro zlepšení výsledků trénovaného systému. - Zdůvodněte, proč nebyl vytvořený systém přímo porovnán s jinými systémy v prostředí PySC2.	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	Krušina, Jan	cs
dc.contributor.referee	Škoda, Petr	cs
dc.date.created	2018	cs
dc.description.abstract	Tato práce se zabývá vytvořením automatického systému pro hraní strategické hry v reálném čase Starcraft II. Model je trénován ze záznamů her hráčů a dále využívá technik posilovaného učení pro zlepšování vnitřního systému bota. Záměr je vytvořit systém schopný hrát hru jako celek, přičemž staví na frameworku PySC2 pro strojové učení. Vytvořený bot je poté testován proti skriptovaným botům ve hře.	cs
dc.description.abstract	The aim of this thesis is to create an automated system for playing a real-time strategy game Starcraft II. Learning from replays via supervised learning and reinforcement learning techniques are used for improving bot's behavior. The proposed system should be capable of playing the whole game utilizing PySC2 framework for machine learning. Performance of the bot is evaluated against the built-in scripted AI in the game.	en
dc.description.mark	B	cs
dc.identifier.citation	KRUŠINA, J. Zlepšování systému pro automatické hraní hry Starcraft II v prostředí PySC2 [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114518	cs
dc.identifier.uri	http://hdl.handle.net/11012/84866
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	posilované učení	cs
dc.subject	hierarchické posilované učení	cs
dc.subject	Starcraft II	cs
dc.subject	PySC2	cs
dc.subject	hluboké neuronové sítě	cs
dc.subject	DeepMind	cs
dc.subject	RTS	cs
dc.subject	strategické hry v reálném čase	cs
dc.subject	učení s učitelem	cs
dc.subject	Tensorflow	cs
dc.subject	hluboké učení	cs
dc.subject	reinforcement learning	en
dc.subject	hierarchical reinforcement learning	en
dc.subject	Starcraft II	en
dc.subject	PySC2	en
dc.subject	deep neural networks	en
dc.subject	DeepMind	en
dc.subject	RTS	en
dc.subject	real-time strategy games	en
dc.subject	supervised learning	en
dc.subject	Tensorflow	en
dc.subject	deep learning	en
dc.title	Zlepšování systému pro automatické hraní hry Starcraft II v prostředí PySC2	cs
dc.title.alternative	Improving Bots Playing Starcraft II Game in PySC2 Environment	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-20	cs
dcterms.modified	2020-05-09-23:42:53	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114518	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:26:13	en
sync.item.modts	2025.01.15 16:56:04	en
thesis.discipline	Informační systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Zlepšování systému pro automatické hraní hry Starcraft II v prostředí PySC2

Files

Original bundle

Collections