Seminar: Knowledge Engineering und Lernen in Spielen - SS 04

Benotung: Die Noten für das Seminar sind vergeben und können ab 26.7. jeweils vormittags im Sekretariat erfragt werden (E304). Allerdings habe ich festgestellt, daß ich von den meisten von Ihnen keine Matrikelnummer habe, die ich aber für einen Aushang der Noten brauche! Bitte diese umgehend an Frau Ploch schicken!

Inhalt

Im Rahmen dieses Seminars werden wir wissensbasierte Ansätze für intelligente Computer-Spieler betrachten. Schwerpunkt wird dabei auf Lern-Ansätzen sein, jedoch stehen auch andere Themen zur Auswahl.

Studenten erhalten 2-3 zusammenhängende Fachartikel zur Bearbeitung, deren wesentliche Aspekte dann in einem ca. 45-minütigen Kurz-Vortrag (30 min Vortrag, 15 min Diskussion) präsentiert werden sollen. Es steht (nach Rücksprache) auch frei, anstatt der Fachartikel eine praktische Erprobung eines bekannten oder eigenes Ansatzes zu erarbeiten und zu präsentieren. Studenten können auch selbständig einen Themenvorschlag einbringen. Eine umfangreiche Bibliographie über dieses Gebiet finden Sie hier.

Ort und Zeit:

Geänderte Zeiten für die Seminartermine mit drei Vorträgen (8.6., 15.6. 29.6.):
jeweils Dienstag, 15:55 - 18:15, Raum S2/02|A102.

Mai 4.5. 11.5. 18.5. 25.5.
Juni 1.6. 8.6. 15.6. 22.6. 29.6.

Lehrveranstaltung 20.410.4 im TUD Vorlesungsvorzeichnis

Vorträge:

Es wird erwartet, daß Sie die Vorträge mit Slides begleiten. Falls Sie keinen Laptop haben, bitte mir die Slides rechtzeitig zu senden, damit ich Sie auf meinem Laptop einspielen bzw. testen kann. Die Vorträge und/oder Slides können wahlweise auf Deutsch oder Englisch gehalten werden.

Literatur:

Überblick

Early Chess Programs

  • Alan Turing: Chess. In Bowden (editor) Faster Than Thought, pp. 286--295. 1953.
  • Allen Newell, Cliff Shaw, Herbert Simon: Chess Playing Programs and the Problem of Complexity. IBM Journal of Research and Development 2 (1958)
  • Richard D. Greenblatt, Donald E. Eastlake III, Stephen D. Crocker. The Greenblatt Chess Program Fall Joint Computer Conference, pp. 801-810, 1967.

Deep Blue

  • Murray Campbell, A. Joseph Hoane Jr., Feng-hsiung Hsu: Deep Blue. Volume 134, Number 1-2, January 2002, pp. 57-83.
  • Gerald Tesauro: Comparison Training of Chess Evaluation Functions. In Fürnkranz & Kubat: Machines That Learn To Play Games, Nova Science Publishers 2001.
  • Murray Campbell: Knowledge Discovery in Deep Blue. Communications of the ACM 42(11): 65-67, 1999.

Perfect Play

Opening Book Learning

Paradise

  • D. E. Wilkins: Using Patterns and Plans in Chess. Artificial Intelligence 14(3):165-203, 1980
  • D. E. Wilkins: Using Knowledge to Control Tree Search Searching: Artificial Intelligence 18(1):1-51

Samuel's Checkers Program

  • Arthur L. Samuel. Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 3(3):211-229, 1959.
  • Arthur L. Samuel. Some studies in machine learning using the game of<> checkers. ii - recent progress. IBM Journal of Research and Development, 11(6):601-617, 1967.

Chinook

Backgammon / TD-Gammon

  • Gerald Tesauro. Temporal difference learning and TD-Gammon. Communications of the ACM, 38(3):58-68, March 1995.
  • Gerald Tesauro. Practical issues in temporal difference learning. Machine Learning, 8:257-278, 1992.

TD-Learning in Chess-like Games

  • Jonathan Baxter, Andrew Tridgell, Lex Weaver: Learning to Play Chess Using Temporal Differences. Machine Learning 40(3): 243-263 (2000)
  • Donald F. Beal, Martin C. Smith: Temporal difference learning applied to game playing and the results of application to Shogi. Theoretical Computer Science 252(1-2): 105-119 (2001)

Selective Search Heuristics

Learning Search Control

  • Yngvi Björnsson and T. A. Marsland. Learning Extension Parameters in Game-Tree Search. Information Sciences, vol 154 (2003), pp.85-118.
  • Greer, K.R.C., Ojha, P.C. and Bell, D.A., A Pattern-Oriented Approach to Move Ordering: The Chessmaps Heuristic, International ComputerChess Association Journal, 22, 1, pp13-21, 1999.

Anomalies of game tree search

  • Sadikov, A., Bratko, I., Kononenko, I. (2003) Search versus Knowledge: An Empirical Study of Minimax on KRK, In: H.J. van den Herik, H. Iida and E. Heinz (eds.) Advances in Computer Games: Many Games, Many Challenges, Kluwer Academic Publishers, ISBN 1-4020-7709-2, pp. 33-44
  • Beal, D.F. and Smith, M.C. (1994). Random Evaluations in Chess. ICCA Journal, Vol. 17, No. 1, pp. 3
  • Dana S. Nau: An Investigation of the Causes of Pathology in Games. Artificial Intelligence 19(3): 257-278 (1982)

Search and Knowledge

  • Hans J. Berliner, Gordon Goetsch, Murray S. Campbell, Carl Ebeling. Measuring the performance potential of chess programs. Artificial Intelligence Volume 43 , Issue 1 (April 1990) Special issue on computer chess, pages 7 - 20.
  • Andreas Junghanns, Jonathan Schaeffer: Search Versus Knowledge in Game-Playing Programs Revisited. IJCAI (1) 1997: 692-697
  • Ernst A. Heinz. DarkThought Goes Deep. ICCA Journal, Vol. 21(4), pp. 228-244, Dec. 1998.

Game-theoretical learning

Poker

Othello / Logistello

Bridge

Scrabble

Symbolic Learning in Go

Neural Network Learning in Go

Move Strategies in Go

  • K.-H. Chen: Computer Go: Knowledge, Search, and Move Decision. International Computer Games Journal 24(4), 2001.
  • K.-H. Chen: Some Practical Techniques for Global Search in Go. International Computer Games Journal 23(2), 2000.
  • B. Bouzy: The Move-Decision Strategy of INDIGO. International Computer Games Journal 26(1):14-27, 2003.

Opponent Modeling in Search

A A A | Drucken | Impressum | Sitemap | Suche | Mobile Version
zum Seitenanfangzum Seitenanfang