Hex Squared

Abstract

Tato práce představuje Hex2 , variantu deskové hry Hex pro tři hráče hranou na šesti- úhelníkovém herním plánu. Přidání třetího hráče otevírá zcela nové strategické možnosti a výrazně zvyšuje celkovou složitost hry. Pro zkoumání efektivních způsobů hraní Hex2 bylo vytvořeno a otestováno několik typů AI agentů: od jednoduchých heuristik či adap- tivních založených na evoluci, přes Monte Carlo Tree Search (MCTS), až po MCTS řízené neuronovou sítí. Tito agenti byli navzájem porovnáváni v sérii zápasů. Výsledky ukazují, že jednoduché strategie nejsou dostatečně silné a nejlepší výkony podávají metody zalo- žené na prohledávání, zejména MCTS s podporou neuronové sítě. Práce přináší analýzu hry, její implementaci a nabízí shrnutí možností umělé inteligence ve hrách pro více hráčů.

This thesis introduces Hex2 , a three-player variant of the board game Hex played on a hexagonal grid. Adding a third player opens up entirely new strategic possibilities and significantly increases the game's complexity. To explore effective ways of playing Hex Squared, several types of AI agents were designed and evaluated, ranging from simple heuristics and their adaptive variants based on evolutionary algorithms, to Monte Carlo Tree Search (MCTS) and its variant guided by a neural network. These agents were tested against each other in a series of matches. The results show that simple strategies are insufficient, and search-based methods, particularly MCTS enhanced with a neural network, perform best. This work presents the analysis of Hex2 and offers insights into the potential of AI in multiplayer games, along with its web based implementation.