|
|
|
||
|
Cílem tohoto kurzu je poskytnout základní úvod do algoritmické teorie her, který propojuje teoretické koncepty s
praktickými implementacemi algoritmů. Studenti se seznámí se základními pojmy řešení, jako je Nashovo
equilibrium a minimax strategie, a s dynamikami učení, včetně fictitious play, regret minimization a replicator
dynamics. Kurz systematicky pokrývá hry v normální formě i v rozšířené formě. Kurz je součástí meziuniverzitního
programu prg.ai Minor (https://prg.ai/minor).
Poslední úprava: Maxová Jana, RNDr., Ph.D. (22.05.2025)
|
|
||
|
Ústní zkouška. Poslední úprava: Kynčl Jan, doc. Mgr., Ph.D. (31.05.2019)
|
|
||
|
[1] Nisan, Noam, Tim Roughgarden, Éva Tardos, and Vijay V. Vazirani. ‘Algorithmic Game Theory’. Cambridge University Press, 2007. [2] Schmid, Martin. ‘Search in Imperfect Information Games’. ArXiv abs/2111.05884 (2021). Poslední úprava: Maxová Jana, RNDr., Ph.D. (22.05.2025)
|
|
||
|
Ústní zkouška, požadavky rozsahem odpovídají sylabu přednášky. Poslední úprava: Maxová Jana, RNDr., Ph.D. (26.04.2025)
|
|
||
|
1. Introduction, matrix games. Solution concepts - Nash equilibrium, Minimax strategies 2. Minimax theorem, Fictitious play learning dynamics 3. Linear programming approaches, correlated equilibria 4. Regret minimization framework, regret matching 5. Invited talk - Double Oracle. 6. Sequential decision making, extensive-form games, best response implementation 7. Fictitious play, averaging 8. Sequence-form linear programming, subgame perfect equilibria 9. Counterfactual regret minimization 10. CFR+, CFR-BR, Discounted CFR 11. History of AI in games Poslední úprava: Schmid Martin, Mgr., Ph.D. (14.09.2025)
|