wiki:ggp2012

GGP Kurs Sommersemester 2012

UNDER CONSTRUCTION !!!

Inhalt

Ein General Game Player verfügt über die Fähigkeit eine formale Spielbeschreibung zu erhalten und das beschriebene Spiel möglichst intelligent zu spielen.
Damit kommt man an den Anspruch wahrhaftiger Intelligenz viel näher heran, als bspw. mit Schachprogrammen, die nicht in der Lage sind TicTacToe zu spielen.

Das Ziel dieses Projektes wird es sein, sich neuste Erkenntnisse auf dem Gebiet der künstlichen Intelligenz für Spiele anzueignen und
einen General Game Player weiterzuentwickeln, um ihn gegen andere Player antreten zu lassen.

News

  • am 02.05 treffen wir uns erst 16:45Uhr
  • Raum 1.02 anstatt 2.14
  • wird im Semester ergänzt

Formalien

Voraussetzungen

  • Teamfähigkeit und Kommunikationsbereitschaft
  • Grundlagenkenntnisse in Java
  • Spaß und Freude an KI in Spielen

Anforderungen

  • neue Ideen entwickeln und testen (Schwerpunkt der Arbeit)
  • eigenständiges Literaturstudium
  • Neuentwicklung eines Potsdamer Players
  • Umsetzung eines eigenen Spiels in GDL
  • Evaluieren (/Benchmarken) von neuen Ansätzen/Ideen?
  • Vortrag zu neuen Ideen
  • schritfliche Ausarbeitung, wo alle Ideen erklärt und diskutiert werden (Schwerpunkt der Bewertung) (OHNE Matrikel abzugeben!)
  • Teilnahme an allen Competitions (Mitte Juli, Anfang Oktober)
  • regelmäßige Vorstellung der Ergebnisse (alle 2 Wochen)
  • gruppenübergreifendes TEAMWORK!

Ablauf (Pflichttermine)

  • Einführungstreffen - 11.04
  • Vertiefungstreffen - 25.04
  • Themenverteilung - 02.05
  • Spielvorstellung - 02.05
  • Modulprüfung anmelden - 01.06.
  • regelmäßiges Treffen alle 2 Wochen (ab 02.05 bis 11.07)
  • Vortrag - jedes Treffen zwei Stück
  • Competition: ??.??
  • Abgabe der Ausarbeitungen und Player - 03.09.2012

Literatur

Themen

  • verschiedene künstliche Intelligenzen implementieren (MCTS, Ameisen, Alpha-Beta, Neuronale Netze,...)
  • ASP als Unterstützung (z.B. oclingo)
  • Weiterentwicklung des Java-Code-Generators zur Game Description Language
  • Auswahl der besten Strategie über maschinelles Lernen
  • ... (bei weiteren Wünschen/Ideen? einfach mit mir absprechen)

Archiv (alte Ausarbeitungen aus Potsdam)

ACHTUNG: Diese sollten NICHT als Maßstab für die eigene Ausarbeitung genommen werden.

Kontakt

  • Marius Schneider
    • Raum 2.07
    • Email