PředmětyPředměty(verze: 901)
Předmět, akademický rok 2022/2023
  
Umělá inteligence pro počítačové hry - NAIL122
Anglický název: Artificial Intelligence for Computer Games
Zajišťuje: Katedra softwaru a výuky informatiky (32-KSVI)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2021
Semestr: zimní
E-Kredity: 3
Rozsah, examinace: zimní s.:1/1 Z+Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Virtuální mobilita / počet míst: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Garant: Mgr. Jakub Gemrot, Ph.D.
Výsledky anket   Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: doc. RNDr. Pavel Töpfer, CSc. (24.01.2019)
Prostředí strategických počítačových her jsou z hlediska umělé inteligence často složítá a dají se charakterizovat jako částečně pozorovatelná, nedeterministická, simulovaná v reálné času a obecně velmi rozsáhlá co do velikosti herních stromů. V rámci přednášky se zaměříme na problémy implementací tradičních prohledávacích algoritmů v těchto počítačových hrách, představíme prostor skriptů jako alternativu k prostoru akcí, algoritmy pracující s durativností herních akcí a rodinu algoritmů Monte-carlo Tree Search a možnosti využití evolučních algoritmů pro pruning herních stromů.
Cíl předmětu -
Poslední úprava: doc. RNDr. Pavel Töpfer, CSc. (24.01.2019)

Získání přehledu o technikách a algoritmech, které se používají při implementaci umělé inteligence pro počítačové hry typu strategie.

Podmínky zakončení předmětu -
Poslední úprava: Mgr. Jakub Gemrot, Ph.D. (15.07.2020)

Předmět je zakončen úspěšným složením zkoušky a získáním zápočtu.

Ke složení zkoušky není nutné získat zápočet.

K získání zápočtu se požaduje aktivní participace na cvičení a implementace vybraného algoritmu prezentovaném v rámci přednášky.

Literatura -
Poslední úprava: doc. RNDr. Pavel Töpfer, CSc. (24.01.2019)

Knihy:

RUSSEL, Stuart J. and NORVIG, Peter, 2010. Artificial Intelligence: A Modern Approach. 3rd. Upper Saddle River: Prentice Hall. ISBN 978-0-13-604259-4.

Vědecké články:

AUER, Peter, CESA-BIANCHI, Nicolo and FISCHER, Paul, 2002. Finite-time Analysis of the Multiarmed Bandit Problem. Machine Learning. 2002. Vol. 47, p. 235-256.

BRANAVAN, S. R. K.; SILVER, David; BARZILAY, Regina. Non-linear monte-carlo search in civilization ii. In: IJCAI. 2011. p. 2404-2410.

BROWNE, Cameron B., et al. A survey of monte carlo tree search methods. IEEE Transactions on Computational Intelligence and AI in games, 2012, 4.1: 1-43.

CHURCHILL, David; BURO, Michael. Portfolio greedy search and simulation for large-scale combat in StarCraft. In: Computational Intelligence in Games (CIG), 2013 IEEE Conference on. IEEE, 2013. p. 1-8.

CHURCHILL, David; SAFFIDINE, Abdallah; BURO, Michael. Fast Heuristic Search for RTS Game Combat Scenarios. In: AIIDE. 2012. p. 112-117.

FURTAK, Timothy; BURO, Michael. On the Complexity of Two-Player Attrition Games Played on Graphs. In: AIIDE. 2010.

GOSLING, Tim and ANDRUSZKIEWICZ, Piotr, 2014. Divide and Conquer, The Campaign AI of Total War: ROME II. Game/AI Conference Vienna [online]. 2014. [Accessed 20 May 2016]. Available from: https://archives.nucl.ai/recording/divide-and-conquer-the-campaign-ai-of-total-war-rome-ii/

JUSTESEN, Niels, et al. Script-and cluster-based UCT for StarCraft. In: Computational Intelligence and Games (CIG), 2014 IEEE Conference on. IEEE, 2014. p. 1-8.

ONTANÓN, Santiago. Informed monte carlo tree search for real-time strategy games. In: Computational Intelligence and Games (CIG), 2016 IEEE Conference on. IEEE, 2016. p. 1-8.

ONTANÓN, Santiago. The combinatorial multi-armed bandit problem and its application to real-time strategy games. In: Ninth Artificial Intelligence and Interactive Digital Entertainment Conference. 2013.

Sborníky konferencí:

Artificial Intelligence and Interactive Digital Entertainment

Computational Intelligence and Games

Metody výuky -
Poslední úprava: Mgr. Jakub Gemrot, Ph.D. (15.07.2020)

V rámci přednášky budou jednotlivé oblasti představeny teoreticky, které budou poté v rámci cvičení implementovány a empiricky evaluovány.

Požadavky ke zkoušce -
Poslední úprava: Mgr. Jakub Gemrot, Ph.D. (15.07.2020)

Znalost látky probírané během přednášek.

Sylabus -
Poslední úprava: doc. RNDr. Pavel Töpfer, CSc. (24.01.2019)

Charakterizace prostředí strategických her z pohledu umělé inteligence

Monte Carlo Tree Search a jeho modifikace

Prohledávací algoritmy pracující s durativnost herních akcí - Alpha-beta Considering Durations, Monte Carlo Tree Search considering Durations

Prostor herních skriptů a jejich exploitibilita; Portfolio Greedy Search, Nested Greedy Search

Využití evolučních algoritmů pro pruning herních stromů

Výkonné implementace prohledávacích algoritmů

 
Univerzita Karlova | Informační systém UK