Desenvolupament i avaluació d'algorismes d'Escacs : xarxes neuronals i MCTS vs. Stockfish i Leela Chess
Camps Isus, Oriol
Cerdà Company, Joaquin, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Development and Evaluation of Chess Algorithms : Neuronal networks and MCTS vs. Stockfish and Leela Chess
Títol variant:	Desarrollo y Evaluación de Algoritmos de Ajedrez : Redes Neuronales y MCTS vs. Stockfish y Leela Chess
Data:	2024
Resum:	En aquest treball de fi de grau s'investiguen i comparen diverses metodologies per a desenvolupar algorismes d'escacs eficients. S'implementa una xarxa neuronal capaç d'avaluar posicions d'escacs i s'utilitza, en combinació amb un algorisme de cerca Montecarlo Tree Search (MCTS), per a determinar el millor moviment en cada situació. Aquests models són comparats amb dos dels motors d'escacs més avançats: Stockfish i Leela Chess 0, amb l'objectiu d'avaluar la seva efectivitat i precisió. La comparació es basa en la capacitat de cada algorisme per a prendre decisions òptimes en partides d'escacs, proporcionant així una anàlisi detallada del rendiment de les diferents aproximacions algorítmiques.
Resum:	In this end-of-degree work, various methodologies to develop efficient chess algorithms are investigated and compared. A neural network capable of assessing chess positions is implemented and used, in combination with a Montecarlo Tree Search algorithm (MCTS), to determine the best movement in each situation. These models are compared to two of the most advanced chess engines: Stockfish and Leela Chess 0, with the aim of evaluating its effectiveness and precision. The comparison is based on the ability of each algorithm to make optimal decisions in chess games, thus providing a detailed analysis of the performance of the different algorithmic approaches.
Resum:	En este trabajo de fin de grado se investigan y comparan varias metodologías para desarrollar algoritmos de ajedrez eficiente. Se implementa una red neuronal capaz de evaluar posiciones de ajedrez y se utiliza, en combinación con un algoritmo de búsqueda Montecarlo Tree Search (MCTS), para determinar el mejor movimiento en cada situación. Estos modelos son comparados con dos de los motores de ajedrez más avanzado: Stockfish y Leela Chess 0, con el objetivo de evaluar su efectividad y precisión. La comparación se basa en la capacidad de cada algoritmo para tomar decisiones óptimas en partidas de ajedrez, proporcionando así un análisis detallado del rendimiento de las diferentes aproximaciones algorítmicas.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Català
Titulació:	Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	Algorismes d'escacs ; Xarxes neuronals ; Montecarlo Tree Search (MCTS) ; Stockfish ; Leela Chess 0 ; Intel·ligència artificial ; Models predictius ; Optimització de moviments ; Aprenentatge automàtic ; Avaluació d'algorismes ; Algoritmos de ajedrez ; Redes neuronales ; Inteligencia artificial ; Modelos predictivos ; Optimización de movimientos ; Aprendizaje automático ; Evaluación de algoritmos ; Chess algorithms ; Neural networks ; Monte Carlo Tree Search (MCTS) ; Artificial intelligence ; Predictive models ; Motion optimization ; Machine learning ; Algorithm evaluation

7 p, 642.7 KB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG