Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 385)
Detail práce
   Přihlásit přes CAS
Obecná umělá inteligence pro hraní her
Název práce v češtině: Obecná umělá inteligence pro hraní her
Název v anglickém jazyce: General Artificial Intelligence for Game Playing
Klíčová slova: umělá inteligence, hry, evoluční algoritmy, neuronové sítě
Klíčová slova anglicky: artificial intelligence, games, evolutionary algorithms, neural networks
Akademický rok vypsání: 2016/2017
Typ práce: diplomová práce
Jazyk práce: čeština
Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
Vedoucí / školitel: doc. Mgr. Martin Pilát, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 12.12.2016
Datum zadání: 12.12.2016
Datum potvrzení stud. oddělením: 20.12.2016
Datum a čas obhajoby: 07.09.2017 09:00
Datum odevzdání elektronické podoby:17.07.2017
Datum odevzdání tištěné podoby:21.07.2017
Datum proběhlé obhajoby: 07.09.2017
Oponenti: Mgr. Josef Moudřík
 
 
 
Zásady pro vypracování
V poslední době se rozvíjí způsoby a algoritmy, které jsou schopné se samy naučit hrát jednoduché počítačové hry jen na základě informací, které jsou dostupné i lidskému hráči. Cílem práce je takové postupy prozkoumat, porovnat a navrhnout přístupy nové.

Student se napřed seznámí s literaturou týkající se obecné umělé inteligence pro hraní počítačových her a s přístupy, které se v této oblasti používají (např. posilované učení, deep reinforcement learning, ...). Potom vybere několik (cca 3-4) vhodných her a na těch otestuje známé metody hraní her a navrhne vlastní metody založené např. na genetickém programování, nebo hlubokém učení.
Seznam odborné literatury
[1] Mnih, Volodymyr, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves et al. "Human-level control through deep reinforcement learning." Nature 518, no. 7540 (2015): 529-533.

[2] Poli, Riccardo, Langdon, William B., McPhee, Nicholas Freitag. "A Field Guide to Genetic Programming." ISBN: 9781409200734, 2008. Lulu Enterprises, UK Ltd.

[3] Schmidhuber, Jürgen. "Deep learning in neural networks: An overview." Neural Networks 61 (2015): 85-117.
 
Univerzita Karlova | Informační systém UK