Nestrikta meklēšana spēļu kokos
View/ Open
Author
Rutko, Dmitrijs
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Arnicāns, Guntis
Date
2013Metadata
Show full item recordAbstract
ANOTĀCIJA
Darbā ir apskatīta mākslīgā intelekta jomas problēma spēļu kokos – optimālā gājiena
meklēšanas algoritmu efektivitātes uzlabošana. Pētījums parāda, ka, lai atrastu labāko gājienu,
nav nepieciešams precīzs spēļu koka novērtējums. Nogriešanas metodes, kas atmet
apakškokus, kuros nav optimālā risinājuma, var piemērot agrāk nekā klasiskajos algoritmos.
Tādējādi meklēšana kļūst ātrāka, algoritmam ir lielāka veiktspēja un ir iespējams aplūkot
vairāk gājienus uz priekšu.
Tiek piedāvāta jauna pieeja, ko sauc par fazificētu meklēšanu spēles kokos. Tā ļauj
atrast labāko gājienu ātrāk, apmeklējot mazāku mezglu skaitu. Eksperimentu rezultāti ar
abstraktiem spēļu kokiem uzrādīja 10% veiktspējas pieaugumu, salīdzinot ar esošajiem
algoritmiem.
Tika izstrādāts algoritma uzlabojums, kas ir bāzēts uz aproksimācijas fazificētu
meklēšanu spēles kokā. Tas ļauj efektīvi atrast gandrīz optimālu risinājumu, izvēloties "mērķa
kvalitāti" un nepieciešamo tās precizitāti. Eksperimentu rezultāti parādīja, ka iespējams 15%
ātruma uzlabojums, būtiski neietekmējot kopējo meklēšanas algoritma precizitāti.
Atslēgas vārdi: Meklēšana spēļu kokos, Alfa-Beta nogriešana, Fazificētas meklēšanas
algoritms, ātrdarbība ABSTRACT
The thesis is dedicated to the research of game tree search algorithms. It shows that
exact game tree evaluation is not required to find the best move. Therefore, pruning
techniques may be applied earlier, resulting in a faster search and greater performance.
A new approach called Fuzzified game tree search is proposed, which allows faster
determination of the best move whilst visiting fewer nodes. Experimental results in real
domain games showed an increase of 10% in performance over existing algorithms.
We also present approximation-based implementations of the Fuzzified game tree
search algorithm. The paradigm of the algorithm allows us to find nearly optimal solutions
efficiently, so that the "target quality" of the search can be chosen with arbitrary precision.
Our experimental results showed that this kind of approximation in games could be an
acceptable trade-off, demonstrating a 15% speed increase without significantly affecting the
overall playing strength of the algorithm.
Keywords: game tree search, alpha-beta pruning, Fuzzified search algorithm, performance.