Analýza a vývoj umělé inteligence založené na Monte Carlo Tree Search pro karetní deskovou hru "7 Divů světa"

Abstract

Tato práce zkoumá použití algoritmu Monte Carlo Tree Search (MCTS) ve stolní hře 7 Wonders, se zaměřením na jeho přizpůsobení neúplným informacím a vícehráčské dy- namice této hry. Představujeme kompletní implementaci hry v Unity, integrovanou s AI agentem založeným na MCTS, a systematicky analyzujeme klíčové algoritmické parame- try - hloubku prohledávání, počet iterací a explorační konstantu UCB - prostřednictvím simulací her proti pravidlovým a náhodným AI protivníkům za kontrolovaných podmí- nek. Výsledky ukazují, že s vhodnými úpravami je MCTS dobře použitelný pro řešení jedinečných výzev, které hra 7 Wonders představuje.

This thesis investigates the application of the Monte Carlo Tree Search (MCTS) algo- rithm to the board game 7 Wonders, with a focus on adapting it to the game's incomplete information and multi-player dynamics. We present a complete implementation of the game in Unity, integrated with an MCTS-based AI agent, and systematically analyze key algorithmic parameters-search depth, iteration count, and the UCB exploration con- stant-through simulations against Rule-Based and Random AI opponents under con- trolled conditions. The results demonstrate that, with appropriate modifications, MCTS is well-suited to address the unique challenges posed by 7 Wonders.