Učení automatických hráčů online her ve webovém prohlížeči

Abstract

Strojové učení je používáno v mnoha oblastech včetně webu. V této práci je použito při implementaci učenlivých automatických hráčů hrajících webové hry přímo v prohlížeči. Jsou diskutovány rozhodovací systémy pomocí umělých neuronových sítí a rozhodovacích stromů. Nakonec je k učení využito neuroevoluce NEAT algoritmem. Výsledkem je knihovna napsaná v jazyce TypeScript a GUI Angular aplikace, která umožňuje ovládání evolučního cyklu a vizualizaci šlechtěných jedinců. Knihovnu využívají dvě implementace botů. První řeší problém vyvážení převráceného kyvadla. Druhý se pokouší hrát hru Slither.io podobnou legendárni hře Snake. Skripty jsou vkládány do hry na straně klienta a lehce upravují původní kód hry. Provedené experimenty ukazují na funkčnost knihovny.

Machine learning is used in many areas, including the Web. In the thesis it is used to implement self-learning bots that play web games right in a bowser. For decision making system I discuss options such as artificial neural networks or decision trees. At the end neuroevolution through augmenting topologies (NEAT) is chosen. As result of the thesis I created library written in TypeScript and Angular GUI application on top of it. It is possible to control evolution cycle through this application and see processed individuals. Two bots import the library. The first one plays game based on the pole-cart problem. The second one tries to play Slither.io, game similar to legendary Snake. Skripts are injected to game on client side and slightly changes the original game code. Results of the experiments suggest that application is working properly.