Využití strojového učení pro tvorbu umělé inteligence v turn-based hře
Machine-learning methods in artificial-intelligence design for a turn-based game
bachelor thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/193143Identifiers
Study Information System: 250522
Collections
- Kvalifikační práce [11214]
Author
Advisor
Referee
Ivanová, Marika
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Computer Science with specialisation in Computer Graphics, Vision and Game Development
Department
Department of Software and Computer Science Education
Date of defense
6. 9. 2024
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Very good
Keywords (Czech)
genetický algoritmus|strojové učení|vývoj herKeywords (English)
: genetic algorithm|machine learning|game developmentProgramování umělé inteligence je důležitou a často poměrně dlouhou součástí vývoje her, která se velkým dílem podílí na koncové kvalitě samotné hry. Se vzestupem technologií strojového učení se naskýtá otázka, zda tyto technologie nemají své místo i při vývoji her. V této práci se soustředíme na genetické algoritmy a jejich potenciál pro využití oproti pevně zakódované umělé inteligenci pro tahové strategie. Navrhneme hru, na které se umělá inteligence bude učit, následně pro tuto hru implementujeme genetický algoritmus optimalizující umělé inteligence pomocí matice a na závěr provedeme analýzu výsledků na dvou různých případech průběhu algoritmu a k těmto výsledkům podáme možné hypotézy a prozkoumáme možné navazující práce.
The programming of artificial intelligences is an important and often quite a lengthy part of game development, which greatly contributes to the overall end quality of the game. With the rise of machine learning technologies comes the question of if these technologies have their place in game development. In this thesis we focus on genetic algorithms and their use potential over hard-coded artificial intelligences for turn-based strategies. We'll design a game where the artificial intelligence will learn, then we will implement a genetic algorithm which optimizes the artificial intelligences based on a matrix and we'll analyse the results of two separate runs of this algorithm and pose hypotheses based on the results while examining potential future work.