Samoučící algoritmus pro deskovéhry – Vojtěch Šalbaba
Vojtěch Šalbaba
Bachelor's thesis
Samoučící algoritmus pro deskovéhry
Self-learning algorithm for desk games
Anotácia:
Záměrem práce je prozkoumat fungování, možnosti, vlastnosti, výhody a omezení algoritmů z rodiny Ant Colony Optimization, posléze aplikovat myšlenky Ant Co- lony Optimization na problém nalezení nejlepšího tahu v jednoduché deskové hře a porovnat jeho výkon s algoritmem MiniMaxAbstract:
Goal of this work is to study Ant Colony Optimization algorthms and try to apply them to problem of selecting best move in board game, then compare it to MiniMax
Jazyk práce: Czech
Datum vytvoření / odevzdání či podání práce: 3. 8. 2010
Obhajoba závěrečné práce
- Obhajoba proběhla 24. 8. 2010
- Vedúci: Martin Dostál
- Oponent: Tomáš Kühr
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou od 3. 8. 2010 dostupné: světu
Univerzita Palackého
Přírodovědecká fakultaBachelor programme / odbor:
Informatika / Informatika
Práce na příbuzné téma
-
Ant Colony Optimization Algorithm for Vehicle Routing Problem
Jan Vargovský -
Ant Colony Optimization: Implementace a testování biologicky inspirované optimalizační metody
Michal Havlík -
Grafická interaktivní implementace algoritmu Ant Colony Optimization
Martin Mec -
Ant Colony Optimization v prostředí Mathematica\nl{}
Martina VACULÍKOVÁ -
Optimalizace marketingového plánování pomocí umělé inteligence
Adam Klimeš -
Využití metod umělé inteligence v tic tac toe a piškvorkách
Filip Kocián -
Umělá inteligence pro deskovou hru variabilní šachy
David Dobrovolný -
Umělá inteligence pro deskové hry
Jiayuan Hu
Názov
Vložil
Vložené
Práva