Kooperativní hledání cest s protivníkem

Abstract

Předložená práce definuje a zkoumá problém kooperativního hledání cest s protivníkem (adversarial cooperative path finding - ACPF), který představuje zobecnění známé úlohy kooperativního hledání cest. Oproti standardní kooperativní verzi, v níž je úkolem najít nekolidující cesty pro několik agentů spojující jejich počáteční a cílové pozice, ACPF uvažuje navíc agenty ovládané protivníkem. Práce se zaměřuje jak na teoretické vlastnosti, tak na praktické techniky řešení uvažovaného problému. Úlohu ACPF zavádíme formálně pomocí pojmů z teorie grafů a zkoumáme její výpočetní složitost, kde ukazujeme, že úloha je PSPACE-těžká a patří do třídy EXPTIME. Představujeme a diskutujeme možné metody vhodné pro praktické řešení ACPF. Uvažované řešící postupy zahrnují hladové algoritmy, minimaxové metody, Monte Carlo Tree Search a adaptaci algoritmu pro kooperativní verzi. Z provedeného experimentálního vyhodnocení vyplývá mimo jiné překvapivě častá úspěšnost hladových metod a spíše slabší výsledky u Monte Carlo Tree Search. Powered by TCPDF (www.tcpdf.org)

Presented master thesis defines and investigates Adversarial Cooperative Path-finding problem (ACPF), a generalization of standard Cooperative Path-finding. In addition to the Cooperative path- finding where non-colliding paths for multiple agents connecting their initial positions and destinations are searched, consideration of agents controlled by the adversary is included in ACPF. This work is focused on both theoretical properties and practical solving techniques of the considered problem. ACPF is introduced formally using terms from graph theory. We study computational complexity of the problem where we show that the problem is PSPACE-hard and belongs to EXPTIME complexity class. We introduce and discuss possible methods suitable for practical solving of the problem. Considered solving approaches include greedy algorithms, minimax methods, Monte Carlo Tree Search and adaptation of algorithm for the cooperative version of the problem. Surprisingly frequent success rate of greedy methods and rather weaker results of Monte Carlo Tree Search are indicated by the conducted experimental evaluation. Powered by TCPDF (www.tcpdf.org)