http://dl.gi.de/handle/20.500.12116/28988 2026-07-22T20:35:37Z 2026-07-22T20:35:37Z Schier, Maximilian Benedikt Wüstenbecker, Niclas http://dl.gi.de/handle/20.500.12116/29001 2019-10-25T10:08:52Z 2019-01-01T00:00:00Z

Adversarial N-player Search using Locality for the Game of Battlesnake Schier, Maximilian Benedikt; Wüstenbecker, Niclas Becker, Michael This paper presents an approach to designing a planning agent for simultaneous N-player games. We propose to reduce the complexity of such games by limiting the search to players in the locality of the acting agent. For Battlesnake, the game at hand, an iterative deepening search strategy utilizing both alpha-beta and max^n search is suggested. Useful metrics for estimating player advantage are presented, especially using a diamond flood filler for measuring board control. Furthermore, the process of our heuristic parameter tuning with a grid search and a genetic algorithm is described. We provide a qualitative analysis of our algorithm's performance at the international artificial intelligence competition Battlesnake, Victoria. Here, our agent placed second in the intermediate division.

2019-01-01T00:00:00Z Welter, Felix http://dl.gi.de/handle/20.500.12116/28999 2019-10-14T12:09:12Z 2019-01-01T00:00:00Z

Datenbasierter Vergleich von statistischen Tests mithilfe von Simulationen Welter, Felix Becker, Michael Die Wahl des richtigen statistischen Verfahrens ist für einen A/B-Test essentiell. Bei Nutzung eines mächtigen Tests kann ein Experiment schneller zu Erkenntnissen führen und es können früher datengetriebene Entscheidungen getroffen werden. In dieser Untersuchung wurden der Permutationstest und der Wilcoxon-Rangsummentest bezüglich Mächtigkeit und Alpharobustheit verglichen. Die Vorgehensweise kann zudem abstrahiert und auf andere Tests oder Anwendungen übertragen werden.

2019-01-01T00:00:00Z Kuhn, Iona http://dl.gi.de/handle/20.500.12116/29000 2019-10-14T12:09:12Z 2019-01-01T00:00:00Z

Heuristische Optimierung durch menschliche Intuition – Das Beste aus zwei Welten Kuhn, Iona Becker, Michael Algorithmen können exakte Lösungen finden, indem sie den Suchraum durchlaufen. Ist das Problem aber zu groß, haben Algorithmen oft Schwierigkeiten eine gute Lösung in akzeptabler Zeit zu finden. Menschen hingegen scheinen komplizierte Probleme oft schnell „intuitiv“ zu lösen. Ziel dieser Arbeit ist es daher, menschliche Intuition zur Verbesserung von Heuristiken am Beispiel von Job-Shop-Problemen zu nutzen. Bei Job-Shop-Problemen müssen mehrere Aufträge auf unterschiedlichen Maschinen möglichst schnell erledigt werden, also die richtige Bearbeitungsreihenfolge gefunden werden. Um die Intuition von Menschen verwenden zu können, wurde ein Gamification-Ansatz eingesetzt, also ein Spiel implementiert in dem Menschen das Problem in einer übertragenen, vereinfachten Form lösen. Um das gewonnene menschliche Wissen in Heuristiken einzuarbeiten wurden zwei verschiedene Ansätze entwickelt und mit diesen Vergleiche zur ursprünglichen Heuristik durchgeführt. Dabei konnte gezeigt werden, dass in der Tat die Effizienz von Heuristiken mit menschlicher Intuition gesteigert werden kann.

2019-01-01T00:00:00Z Gümpel, Carolin http://dl.gi.de/handle/20.500.12116/28998 2019-10-14T12:09:12Z 2019-01-01T00:00:00Z

Vorhersage der Ballbewegung in der RoboCup Standard Platform League Gümpel, Carolin Becker, Michael Die Ballerkennung ist ein essentieller Bestandteil im RoboterfuSSball. Anhand der Position des Balles entscheiden die Roboter über ihre Bewegungen und es wird die beste Spielstrategie festgelegt. Doch schon durch einen sanften Schuss kann sich die Ballposition schnell um eine weite Distanz verändern. Für ein geschicktes Verhalten der Roboter in diesem Moment ist es von Vorteil, abschätzen zu können, wohin genau der Ball rollen wird. Vor allem der Torwart muss jederzeit genau wissen, ob und wann der Ball das Tor erreicht. In dieser Arbeit wird ein neuartiges Modell zur Ballvorhersage mit speziellem Fokus auf die Anwendung in der RoboCup Standard Platform League vorgestellt. Dabei wird besonders Wert auf die Vorhersage der Stoppposition des Balles gelegt. In ersten Experimenten erzielte das Modell eine Erfolgsquote von 84%.

2019-01-01T00:00:00Z