Umělá inteligence pro karetní hry s neúplnou informací – Bc. Jan MOLČÍK
Bc. Jan MOLČÍK
Diplomová práce
Umělá inteligence pro karetní hry s neúplnou informací
Artificial intelligence for card games with incomplete information.
Anotace:
Diplomová práce zkoumá moderní přístupy v doméně her s neúplnou informací. Shrnuje základní rysy a herní mechaniky sběratelských karetních her. Popisuje základní přístupy při tvorbě algoritmů pro doménu her s úplnou i neúplnou informací. Představuje zvolený framework pro simulaci Hearthstonu a jednotlivé strategie agentů v prostředí simulace. Sestavuje testy k experimentálnímu ověření navrhnutého agenta …víceAbstract:
This thesis aims to examine state-of-the-art principles in the domain of games with incomplete information. Describes collectible card games. Summarizes main aproaches in the development of algorithms in this domain. Presents the framework for hearthstone simulation and strategies for agents in this particular domain. Tests our MCTS agent with UCT algorithm against other agents. Discusses limitations …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 18. 8. 2020
Obhajoba závěrečné práce
- Vedoucí: Mgr. Petr Osička, Ph.D.
Citační záznam
Jak správně citovat práci
MOLČÍK, Jan. Umělá inteligence pro karetní hry s neúplnou informací. Olomouc, 2020. diplomová práce (Mgr.). UNIVERZITA PALACKÉHO V OLOMOUCI. Přírodovědecká fakulta
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: UNIVERZITA PALACKÉHO V OLOMOUCI, Přírodovědecká fakultaUNIVERZITA PALACKÉHO V OLOMOUCI
Přírodovědecká fakultaMagisterský studijní program / obor:
Informatika / Aplikovaná informatika
Práce na příbuzné téma
-
Populární karetní hry z pohledu teorie her
Jiří Láska -
Využití datové analýzy v ekonomickém modelu sběratelské karetní hry
Ondřej Kanta -
Analýza investiční příležitosti do sběratelské hry
Jakub Zakouřil -
Analýza investiční příležitosti do sběratelské hry
Tomáš Golan -
Monte Carlo Tree Search in Deep Reinforcement Learning Algorithms
Richard Schwarz -
Monte Carlo Tree Search in Verification of Markov Decision Processes
Ondřej Slámečka -
Navigace bludištěm pomocí prohledávání stromu metodou Monte Carlo
Ján Petrák -
Monte Carlo vyhledávácí techniky v deskových hrách
Radomír ŠKRABAL
Název
Vložil
Vloženo
Práva