Reinforcement Learning for the Game of Battleship

Tomáš Kancko

Bakalářská práce

Anotace:

Bakalárska práca rozoberá využiteľnosť heuristík a vyhľadávacích algoritmov na hre Battleship. Prvá časť obsahuje všeobecný prehľad o hre. Druhá časť sa skladá z analýzy a implementácie rôznych heuristík a porovnáva ich. Tretia časť rozoberá MCTS a jeho parametre, formuláciu (PO)MDP modelu. V poslednej časti sa nachádza vyhodnotenie a porovnanie všetkých metód.

Abstract:

The thesis explores the usability of general heuristic search algorithms in the Battleship domain. The first part of the thesis is an overview of the Battleship game. The second part analyses different designs, patterns and implementations of several heuristics and compares them. The third part is an overview of the MCTS algorithm and its parameters. The thesis also contains an outline of the formulation of the (PO)MDP model based on the battleship game, as well as a brief outline of existing approaches towards the Battleship game. The last part of the thesis introduces and evaluates all methods including the domain-dependant MCTS heuristics.

Keywords

Battleship, Monte Carlo tree search, Markov decision process, heuristics, neural network, NEAT

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 7. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 9. 2020
• Vedoucí: RNDr. Petr Novotný, Ph.D.
• Oponent: Mgr. Jiří Vahala

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika