velikost textu

Artificial Intelligence for Children of the Galaxy Computer Game

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Artificial Intelligence for Children of the Galaxy Computer Game
Název v češtině:
Umělá inteligence pro počítačovou hru Children of the Galaxy
Typ:
Diplomová práce
Autor:
Bc. Pavel Šmejkal
Vedoucí:
Mgr. Jakub Gemrot
Oponent:
Bc. Otakar Trunda
Id práce:
197165
Fakulta:
Matematicko-fyzikální fakulta (MFF)
Pracoviště:
Katedra softwaru a výuky informatiky (32-KSVI)
Program studia:
Informatika (N1801)
Obor studia:
Počítačová grafika a vývoj počítačových her (IPGVPH)
Přidělovaný titul:
Mgr.
Datum obhajoby:
10. 9. 2018
Výsledek obhajoby:
Výborně
Jazyk práce:
Angličtina
Klíčová slova:
umělá inteligence, Monte-Carlo Tree Search, počítačová hra, Children of the Galaxy
Klíčová slova v angličtině:
artificial player, Monte-Carlo Tree Search, computer game, Children of the Galaxy
Abstrakt:
Ačkoli je umělá inteligence (UI) dnes schopna úspěšně řešit mnoho klasických her, na poli počítačových strategických her UI oponenti stále velmi pozadu. V této práci řešíme problém soubojů ve strategických počítačových hrách tím, že adaptujeme existující přístupy: Portfolio greedy search (PGS) a Monte-Carlo tree search (MCTS). Dále také představujeme vylepšenou verzi MCTS, nazvanou MCTS considering hit points (MCTS_HP). Kvalita těchto metod je uvažována v kontextu nedávno vydané 4X strategické hry Children of the Galaxy. Pro tuto hru implementujeme simulátor soubojů a vyhodnocovací framework, ve kterém srovnáváme různé přístupy k UI. Ukazujeme, že pro malou až střední velikost souboje jsou MCTS metody lepší než PGS. Ve všech scénářích je MCTS_HP lepší nebo stejně dobré jako klasické MCTS díky lépe vedenému prohledávání. V malých bitvách dokonce MCTS_HP se 100 milisekundovým časovým limitem poráží klasické MCTS s dvousekundovým časovým limitem. Kombinací rychlého hladového prohledávání PGS pro velké bitvy a přesnějšího MCTS_HP pro menší bitvy je možné dosáhnou univerzálnějšího UI hráče.
Abstract v angličtině:
Even though artificial intelligence (AI) agents are now able to solve many classical games, in the field of computer strategy games, the AI opponents still leave much to be desired. In this work we tackle a problem of combat in strategy video games by adapting existing search approaches: Portfolio greedy search (PGS) and Monte-Carlo tree search (MCTS). We also introduce an improved version of MCTS called MCTS considering hit points (MCTS_HP). These methods are evaluated in context of a recently released 4X strategy game Children of the Galaxy. We implement a combat simulator for the game and a benchmarking framework where various AI approaches can be compared. We show that for small to medium combat MCTS methods are superior to PGS. In all scenarios MCTS_HP is equal or better than regular MCTS due to its better search guidance. In smaller scenarios MCTS_HP with only 100 millisecond time limit outperforms regular MCTS with 2 second time limit. By combining fast greedy search for large combats and more precise MCTS_HP for smaller scenarios a universal AI player can be created.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Pavel Šmejkal 2.6 MB
Stáhnout Příloha k práci Bc. Pavel Šmejkal 34.51 MB
Stáhnout Abstrakt v českém jazyce Bc. Pavel Šmejkal 60 kB
Stáhnout Abstrakt anglicky Bc. Pavel Šmejkal 9 kB
Stáhnout Posudek vedoucího Mgr. Jakub Gemrot 306 kB
Stáhnout Posudek oponenta Bc. Otakar Trunda 196 kB
Stáhnout Záznam o průběhu obhajoby RNDr. Filip Zavoral, Ph.D. 152 kB