Problem koji se rešava:
Cilj je implementirati Go engine koji je sposoban da na osnovu trenutnog stanja igre pronađe i odigra zadovoljavajuć potez.
Algoritam:
Arhitektura rješenja je zasnovana na AlphaGo Zero softveru, dakle sastoji se iz duboke neuronske mreže i Monte Carlo Tree Search algoritma.
Podaci koji se koriste:
Ne koriste se eksterni podaci, engine sam sebe trenira iterativnim igranjem.
Metrika za merenje performansi:
Mjerenje performansi će se izvoditi direktnim poređenjem sa postojećim engine-ima za Go ukoliko je to moguće; jedna lista njih se nalazi na sljedećem linku. Takođe, poželjno bi bilo okvirno utvrditi ELO rating dobijenog rješenja.
Validacija rešenja:
Uspješnost će se utvrditi evaluacijom mečeva protiv postojećih engine-a.
Članovi tima: Milan Sekulić SW 54/2019
Asistent: Branislav Anđelić
Problem koji se rešava: Cilj je implementirati Go engine koji je sposoban da na osnovu trenutnog stanja igre pronađe i odigra zadovoljavajuć potez.
Algoritam: Arhitektura rješenja je zasnovana na AlphaGo Zero softveru, dakle sastoji se iz duboke neuronske mreže i Monte Carlo Tree Search algoritma.
Podaci koji se koriste: Ne koriste se eksterni podaci, engine sam sebe trenira iterativnim igranjem.
Metrika za merenje performansi: Mjerenje performansi će se izvoditi direktnim poređenjem sa postojećim engine-ima za Go ukoliko je to moguće; jedna lista njih se nalazi na sljedećem linku. Takođe, poželjno bi bilo okvirno utvrditi ELO rating dobijenog rješenja.
Validacija rešenja: Uspješnost će se utvrditi evaluacijom mečeva protiv postojećih engine-a.