Skládání balíčků karet v počítačové hře Hearthstone

Abstract

1 Title: Hearthstone Counter-Deck Builder Author: Šimon Stachura Department: Katedra softwaru a výuky informatiky Supervisor: Mgr. Jakub Gemrot, Ph. D. Abstract: Collecting cards and building decks out of them is the basic principle of collectible card games (such as Hearthstone). This task is usually very complex and requires players to think about a lot of factors, such as stability of deck's results or interactions among cards. The goal of this work is to try to make deckbuilding for Hearthstone automatic. Hill-climbing algorithm was used for this task. Generated decks were evaluated based on their winrate against chosen human-built actual decks from the game. Usage of hill-climbing brought a lot of questions - for instance, how to restrict the huge space of possible decks, what artifical intelligence to use for games' simulation, or how to make the simulation stable enough in such a non- deterministic environment. We have also tried to apply a new approach to a few of these problems. We have conducted two experiments to test our approach. Both experimentally created decks reached about 80 percent winrate against human-made decks. The results proved that even in such a nondeterministic environment hill- climbing is able to find interesting solutions. However, these solutions are highly dependent on...

Název práce: Skládání balíčků karet v počítačové hře Hearthstone Autor: Šimon Stachura Katedra: Katedra softwaru a výuky informatiky Vedoucí bakalářské práce: Mgr. Jakub Gemrot, Ph. D. Abstrakt: Základem sběratelských karetních her, jako je např. Hearthstone, je sbírání karet, z nichž poté hráči vytvářejí balíčky pro samotnou hru. Tato činnost je obvykle velmi komplexní, zahrnující množství faktorů, jako je např. stabilita výsledků balíčku, nebo interakce mezi jednotlivými kartami. Cílem naší práce bylo pokusit se skládání balíčku pro Hearthstone automatizovat. Pro tento účel jsme využili algoritmus hill-climbing, v němž byly jednotlivé balíčky hodnoceny podle své úspěšnosti ve hře proti reálným nejhranějším balíčkům. Použití tohoto algoritmu s sebou přineslo množství otázek, jako např. jak omezit obrovský prostor možných balíčků; jakou umělou inteligenci použít pro simulaci her, nebo jak stabilizovat simulaci v tomto velmi nedeterministickém prostředí. Pokusili jsme se také o nový přístup k některým z těchto problémů. Na závěr jsme experimentálně vytvořili dva balíčky, které dosáhly v simulacích průměrné úspěšnosti kolem 80, resp. 90 procent proti reálným balíčkům. Tento výsledek ukázal, že i v takto nedeterministickém prostředí dokáže hill-climbing najít zajímavá řešení, která jsou však silně závislá na...