| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Apmācības metožu salīdzinājums šaha spēles aģenta realizācijai |
| Nosaukums angļu valodā |
Comparison of Training Methods for Implementing a Chess Game Agent |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Egons Lavendelis |
| Recenzents |
Artis Ābolts |
| Anotācija |
Bakalaura darbā tiek salīdzinātas divas apmācības metodes šaha spēles aģenta
realizācijai – pašspēle un vēsturisko spēļu analīze. Darbā ir aplūkoti algoritmi, kas
pielietoti šaha aģenta realizācijai un apskatīti šobrīd spēcīgākie šaha dziņi – Stockfish
un Lc0. Papildus tam, tiek apskatīti arī dažādi neironu tīklu veidi un to pielietojums
šaha spēles kontekstā. Darbojoties uz ierobežotiem skaitļošanas resursiem un
izmantojot CNN neironu tīklu un MCTS pārmeklēšanas algoritmu, tiek izveidots
pamats divu aģentu realizācijai. Apmācīto aģentu labākās versijas tiek salīdzinātas savā
sarpā un noskaidrots, ka aģents, kurš apmācīts, izmantojot vēsturisko spēļu analīzi ir
sasniedzis augstu meistarības līmeni, turpretī pašspēles aģents krietni atpaliek un nav
tik konkurētspējīgs. Iemesls šai atšķirībai ir skaidrojams ar to, cik resursietilpīgi ir šādu
aģentu izveide, kur, jo īpaši, pašspēles aģents aizņem daudz vairāk laika spēļu
ģenerēšanas un apmācības procesā. Darba noslēgumā ir izstrādātas rekomendācijas
apmācības metodes izvēlei, balstoties uz darbā veiktajiem eksperimentiem un
rezultātiem.
Darba kopējais apjoms sastāv no 69 lappusēm, 14 attēliem, 4 tabulām, 1
pielikumu, un 50 izmantotajiem avotiem. |
| Atslēgas vārdi |
MCTS, CNN, pašspēles, vēsturiskās spēlēs balstīta apmācība, šaha dzinis |
| Atslēgas vārdi angļu valodā |
MCTS, CNN, self-play, historical game analysis training, chess engine |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 00:08:05 |
