| Abstract |
Othello, klasiska galda spēle, kas tradicionāli paredzēta diviem spēlētājiem,
rada unikālus izaicinājumus mākslīgajam intelektam (MI), kad tā tiek pielāgota trīs
spēlētāju formātam. Šis paplašinājums ievērojami palielina stratēģisko sarežģītību
lielākas stāvokļu telpas un sarežģītas sadarbības-sacensības dinamikas dēļ, veidojot šīs
disertācijas pētniecības jomu. Šī darba mērķis bija izstrādāt un novērtēt MI algoritmu,
kas spēj apgūt šīs sarežģītības trīs spēlētāju Othello vidē. Lai to risinātu, tika modificēti
spēles noteikumi, tostarp ieviests sešstūrains laukums, un tika ieviesta hibrīda MI
sistēma. Šī sistēma integrē divgalvu neironu tīklu, kas apmācīts, izmantojot
pašspēlēšanu, lai prognozētu gājienu varbūtības un spēles rezultātus, ar Monte Karlo
koku meklēšanu, lai vadītu lēmumu pieņemšanu. Empīriskā validācija parādīja, ka
izstrādātais MI dzinējs sasniedza izcilu stratēģisko spēku, pastāvīgi pārspējot
iedibinātās vairāku spēlētāju MI metodes. Turklāt dzinējs demonstrēja spēcīgu
skaitļošanas efektivitāti, efektīvi līdzsvarojot dziļu stratēģisko analīzi ar praktisku
veiktspēju, un tā mācīšanās process tika apstiprināts kā veiksmīgs, orientējoties
sarežģītās mijiedarbībās, kas raksturīgas trīs spēlētāju Othello.
Bakalaura darbs sastāv no 62 lappusēm; tajā ir 19 attēli, divi pielikumi, 50 avoti. |
