Analýza současného stavu AI pro karetní hru Hearthstone.
| Název práce v češtině: | Analýza současného stavu AI pro karetní hru Hearthstone. |
|---|---|
| Název v anglickém jazyce: | Analyzing the state-of-the-art AI in the game Hearthstone. |
| Klíčová slova: | hry s neuplnou informaci|Hearthstone |
| Klíčová slova anglicky: | imperfect information games|search|Hearthstone|best response |
| Akademický rok vypsání: | 2023/2024 |
| Typ práce: | diplomová práce |
| Jazyk práce: | |
| Ústav: | Katedra aplikované matematiky (32-KAM) |
| Vedoucí / školitel: | Mgr. Martin Schmid, Ph.D. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 13.08.2023 |
| Datum zadání: | 25.09.2023 |
| Datum potvrzení stud. oddělením: | 07.12.2023 |
| Zásady pro vypracování |
| Games like Hearthstone have large belief spaces, which renders current search method for imperfect information unusable. State-of-the-art agents for Hearthstone thus use no search, but rather use a fixed policy networks learned through self-play. The aim of this work is to analyze the quality of such agents, and to produce policies that can exploit even the world's best agents in the game. |
| Seznam odborné literatury |
| Xi W, Zhang Y, Xiao C, Huang X, Deng S, Liang H, Chen J, Sun P. Mastering Strategy Card Game (Legends of Code and Magic) via End-to-End Policy and Optimistic Smooth Fictitious Play. arXiv preprint arXiv:2303.04096. 2023 Mar 7.
Xiao C, Zhang Y, Huang X, Huang Q, Chen J, Sun P. Mastering Strategy Card Game (Hearthstone) with Improved Techniques. arXiv preprint arXiv:2303.05197. 2023 Mar 9. Timbers F, Bard N, Lockhart E, Lanctot M, Schmid M, Burch N, Schrittwieser J, Hubert T, Bowling M. Approximate exploitability: Learning a best response in large games. arXiv preprint arXiv:2004.09677. 2020 Apr 20. Schmid M. Search in imperfect information games. arXiv preprint arXiv:2111.05884. 2021 Nov 10. |