but.committee	doc. Ing. František Zbořil, CSc. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) doc. Ing. Jan Janoušek, Ph.D. (člen) Dr. Ing. Petr Peringer (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: Systém je nastaven tak, aby se učení provádělo až po konci hry. Je možné průběžné učení? Pokud ano, jak by bylo průběžné učení ovlivněno vaším závěrem, že výběr dat pro učení vyžaduje velké množství času a předzpracování?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zbořil, František	cs
dc.contributor.author	Knapek, Petr	cs
dc.contributor.referee	Kočí, Radek	cs
dc.date.created	2019	cs
dc.description.abstract	Tato práce se zaměřuje na návrh a implementaci systému podpory učení a plánování agentů schopných hry real-time strategických her typu StarCraft. Budou vysvětleny problémy ovládání herních objektů a protivníků počítačem a představeny obvykle používané způsoby řešení. Na základě analýzy je navržen a implementován nový systém využívající multiagentního přístupu k ovládání hry a metod strojového učení, který je schopný porážet protivníky a přizpůsobovat se novým výzvám.	cs
dc.description.abstract	This thesis is focused on designing and implementing system, that adds learning and planning capabilities to agents designed for playing real-time strategy games like StarCraft. It will explain problems of controlling game entities and bots by computer and introduce some often used solutions. Based on analysis, a new system has been designed and implemented. It uses multi-agent systems to control the game, utilizes machine learning methods and is capable of overcoming oponents and adapting to new challenges.	en
dc.description.mark	B	cs
dc.identifier.citation	KNAPEK, P. Řízení entit ve strategické hře založené na multiagentních systémech [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	122075	cs
dc.identifier.uri	http://hdl.handle.net/11012/180395
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	Strategické hry	cs
dc.subject	RTS	cs
dc.subject	umělá inteligence	cs
dc.subject	AI	cs
dc.subject	strojové učení	cs
dc.subject	posilované učení	cs
dc.subject	neuronové sítě	cs
dc.subject	Q-learning	cs
dc.subject	agentní systémy	cs
dc.subject	rozhodování a plánování	cs
dc.subject	StarCraft	cs
dc.subject	bot	cs
dc.subject	Stratic games	en
dc.subject	RTS	en
dc.subject	artificial intelligence	en
dc.subject	AI	en
dc.subject	machine learning	en
dc.subject	reinforcement lerning	en
dc.subject	neural networks	en
dc.subject	Q-learning	en
dc.subject	agent systems	en
dc.subject	decision-making and planning	en
dc.subject	StarCraft	en
dc.subject	bot	en
dc.title	Řízení entit ve strategické hře založené na multiagentních systémech	cs
dc.title.alternative	Strategic Game Based on Multiagent Systems	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-18	cs
dcterms.modified	2020-05-10-16:13:26	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	122075	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:29:17	en
sync.item.modts	2025.01.17 12:20:40	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Řízení entit ve strategické hře založené na multiagentních systémech

Files

Original bundle

Collections