Analýza různých MCTS implementací umělé inteligence pro počítačovou hru Children of the Galaxy
Analysis of different MCTS implementations of artificial intelligence for the Children of the Galaxy computer game
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/176309Identifikátory
SIS: 234896
Kolekce
- Kvalifikační práce [11242]
Autor
Vedoucí práce
Oponent práce
Holeňa, Martin
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Počítačová grafika a vývoj počítačových her
Katedra / ústav / klinika
Katedra softwaru a výuky informatiky
Datum obhajoby
13. 9. 2022
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
umělá inteligence|strom hry|Monte Carlo metody|MCTS implementace|počítačové hry|Children of the Galaxy|4X hryKlíčová slova (anglicky)
artificial intelligence|game tree|Monte Carlo methods|MCTS implementations|computer games|Children of the Galaxy|4X gamesMonte Carlo Tree Search (MCTS) je populární algoritmus pro umělou inteligenci do počítačových her, který funguje na základě prohledávání stavového prostoru hry za použití náhodných simulací na ohodnocení nových stavů. Bylo již pub- likováno mnoho článků o různých úpravách původního algoritmu, avšak práce, které by porovnávaly vícero těchto upravených algoritmů mezi sebou patrně neex- istují. Tenhle nedostatek dat může pro vývojáře činit výběr varianty pro vlastní účely obtížným, aniž by je sám implementoval a otestoval - což však může být časově náročné. Tato práce má proto dva cíle. Prvním je porovnat různé vari- anty MCTS ve specifickém prostředí a druhým je představit novou variantu, WP MCTS, která vychází z předpokladu, že pohledem na všechny stavy projedené při simulaci by mělo být možné získat více informací než jen obodováním kon- cového stavu. Pro naše prostředí jsme si vybrali souboje mezi malými armádami ve 4X počítačové hře zvané Children of the Galaxy. Výsledky prezentované v této práci indikují, že mnohé, avšak ne všechny testované varianty podávají v tomto prostředí lepší výkon než původní algoritmus. 1
Monte Carlo Tree Search (MCTS) is a popular game AI algorithm that searches the state space of a game while using randomized playouts to evaluate new states. There have been many papers published about various adjustments of the original algorithm, however, work that compares multiple of these algorithms together does not seem to exist. This lack of data can make it difficult to decide which variant to use without implementing and testing them which is potentially quite time-consuming. The aim of this thesis is therefore twofold. First to create such a comparison in a specific setting and second to introduce a new variant, WP MCTS, which is based on the idea that one should be able to gather more information from a playout by taking a look at all the states encountered during its computation. For our setting, we chose battles between small armies in a 4X computer game called Children of the Galaxy. The results presented here indicate that many, though not all tested variants outperform basic MCTS in this setting. 1