Pokročilé algoritmy moderní teorie her - NOPT022
|
|
|
||
|
Tento kurz se zabývá pokročilými algoritmy pro řešení rozsáhlých her pomocí aproximace. Zaměříme se na
moderní přístupy, jako jsou Neural Fictitious Self-Play, Policy Space Response Oracles, Regularized Nash
Dynamics a pokročilé varianty Counterfactual Regret Minimization. Prozkoumáme také vyhledávací techniky pro hry
s dokonalou i nedokonalou informací (např. Monte Carlo Tree Search, Continual Resolving), které se využívají v
systémech jako AlphaZero a DeepStack. Kurz kombinuje teoretické základy s praktickou implementací v jazyce
Python.
Poslední úprava: Maxová Jana, RNDr., Ph.D. (22.05.2025)
|
|
||
|
Ústní zkouška. Poslední úprava: Maxová Jana, RNDr., Ph.D. (26.04.2025)
|
|
||
|
[1] Nisan, Noam, Tim Roughgarden, Éva Tardos, and Vijay V. Vazirani. ‘Algorithmic Game Theory’. Cambridge University Press, 2007. [2] Albrecht, Stefano V., Filippos Christianos, and Lukas Schäfer. ‘Multi-Agent Reinforcement Learning: Foundations and Modern Approaches’. MIT Press, 2024. [3] 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)
|