Hráč hry Logik učený z příkladů
Player of Mastermind learned from examples
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Matěj Blažek
Vedoucí práce
Franc Vojtěch
Oponent práce
Čech Jan
Studijní obor
Počítačové hry a grafikaStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačové grafiky a interakcePráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
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.
Kolekce
- Bakalářské práce - 13139 [441]