Hráč hry Logik učený z příkladů

Abstract

Tato práce se zabývá použitím algoritmů posilovaného učení pro vytvoření strojo-vého hráče hry Logik. Za tímto účelem je navržen simulátor hry Logik, který pra-cuje se symbolickým i grafickým vstupem. Simulátor je použit pro natrénování stro-jového hráče a k porovnání jeho výkonu s existujícími algoritmy, které pro tuto hru navrhl člověk. V práci jsme pro učení stro-jového hráče použili algoritmus PPO, a navrhli pro něj vhodnou hodnotící funkci, díky které lze naučit strojového hráče na běžném PC. Naučený hráč dosahuje o něco horších výsledků než nejlepší, lidmi vytvořené algoritmy, které jsou ale pou-žitelné jen pro symbolickou variantu hry. Naproti tomu hráč, naučený pomocí PPO, funguje i na grafické variantě hry, kdy je vstupem obrázek hracího pole.

This thesis explores the use of reinforcement learning algorithms to create a machine player for the game Logik. To this end, a Mastermind game simulator is designed that works with both symbolic and graphical input. The simulator is used to train the machine player and to compare its performance with existing humandesigned algorithms for the game. In this thesis, we have used the PPO algorithm for training the machine player and proposed a suitable evaluation function for it, which can be used to teach the machine player on a regular PC. The trained player performs slightly worse than the best human-made algorithms, but these are only applicable to the symbolic version of the game. In contrast, a player trained using PPO also works on the graphical version of the game, where the input is an image of the playing field.