Search

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.

Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování., The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.

Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování., The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.

Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování., The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.

Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování., The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.

Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků., This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.