Um player para General Game Playing baseado em busca na árvores de Monte Carlo

Detalhes bibliográficos
Autor(a) principal: Sá, Carlos Bruno Piucci Garcia
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/5681
Resumo: Neste trabalho será abordado o tópico de General Game Playing (GGP) que é uma subárea da Inteligência Artificial, e consiste em desenvolver formas de modelar e resolver jogos de modo genérico. O objetivo principal deste trabalho é desenvolver um agente jogador de General Game Playing, capaz de jogar jogos arbitrários modelados na linguagem de Game Description Language (GDL), os quais nunca tenha se deparado anteriormente, mas ainda assim escolhendo movimentos válidos e apresentando um nível de jogo convincente, ou seja, que não faça escolhas aleatórias de movimentos. O agente desenvolvido neste trabalho, implementado em uma camada acima de um conhecido arcabouço de GGP é capaz de jogar com um ser humano e com outros agentes de GGP para verificar se de fato o agente desenvolvido possui as habilidades requeridas em GGP, foram executados testes, consistindo de partidas entre os agentes, de diversos jogos. Diferentes métodos de escolha de movimentos e variadas configurações das constantes envolvidas na implementação foram experimentadas, a fim de investigar a consequência da variação destes componentes. O agente jogador de GGP desenvolvido nesse trabalho apresentou um comportamento satisfatório, pois foi capaz de jogar os diversos jogos que lhe foram apresentados cometendo somente 0,27% de movimentos ilegais dentre todos os movimentos que executou. Assim, neste trabalho foi possível obter um agente jogador capaz de jogar corretamente jogos que nunca havia presenciado antes.
id UFF-2_a79bf155484e0cdc21506033ceb457fe
oai_identifier_str oai:app.uff.br:1/5681
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Um player para General Game Playing baseado em busca na árvores de Monte CarloInteligência artificialJogosGGPGDLMCSMCTSInteligência artificialJogo em computadorArtificial inteligenceGamesNeste trabalho será abordado o tópico de General Game Playing (GGP) que é uma subárea da Inteligência Artificial, e consiste em desenvolver formas de modelar e resolver jogos de modo genérico. O objetivo principal deste trabalho é desenvolver um agente jogador de General Game Playing, capaz de jogar jogos arbitrários modelados na linguagem de Game Description Language (GDL), os quais nunca tenha se deparado anteriormente, mas ainda assim escolhendo movimentos válidos e apresentando um nível de jogo convincente, ou seja, que não faça escolhas aleatórias de movimentos. O agente desenvolvido neste trabalho, implementado em uma camada acima de um conhecido arcabouço de GGP é capaz de jogar com um ser humano e com outros agentes de GGP para verificar se de fato o agente desenvolvido possui as habilidades requeridas em GGP, foram executados testes, consistindo de partidas entre os agentes, de diversos jogos. Diferentes métodos de escolha de movimentos e variadas configurações das constantes envolvidas na implementação foram experimentadas, a fim de investigar a consequência da variação destes componentes. O agente jogador de GGP desenvolvido nesse trabalho apresentou um comportamento satisfatório, pois foi capaz de jogar os diversos jogos que lhe foram apresentados cometendo somente 0,27% de movimentos ilegais dentre todos os movimentos que executou. Assim, neste trabalho foi possível obter um agente jogador capaz de jogar corretamente jogos que nunca havia presenciado antes.In this work the subject is the General Game Playing topic which is a subarea of Artificial Inteligence, that consist of developing ways to modelate and solve any game. The main goal of this work is developing an agent of General Game Playing, which can play arbitrary games modeled in Game Description Language, games that the agent has never seen before, still choosing valid moves. The developed agent in this work, implemented over a layer above a GGP base code is capable of playing against a human or other GGP agents. To check if in fact the agent has the required skills for GGP, tests were runned, which was matches between the agents, of several games. Several move picking methods and several constant configurations were experimented to investigate de consequence of varying these components. The GGP agent developed in this work reached a good behavior, because it was capable of playing several games with only 0,27% of ilegal move rate. Therefore, in this work it was possible to obtain an agent capable of playing correctly games that it has never played before.Carvalho, Aline Marins PaesMontenegro, Anselmo AntunesGonzales Clua, Esteban WalterSá, Carlos Bruno Piucci Garcia2018-01-31T12:06:20Z2018-01-31T12:06:20Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/5681http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-15T16:02:51Zoai:app.uff.br:1/5681Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-15T16:02:51Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Um player para General Game Playing baseado em busca na árvores de Monte Carlo
title Um player para General Game Playing baseado em busca na árvores de Monte Carlo
spellingShingle Um player para General Game Playing baseado em busca na árvores de Monte Carlo
Sá, Carlos Bruno Piucci Garcia
Inteligência artificial
Jogos
GGP
GDL
MCS
MCTS
Inteligência artificial
Jogo em computador
Artificial inteligence
Games
title_short Um player para General Game Playing baseado em busca na árvores de Monte Carlo
title_full Um player para General Game Playing baseado em busca na árvores de Monte Carlo
title_fullStr Um player para General Game Playing baseado em busca na árvores de Monte Carlo
title_full_unstemmed Um player para General Game Playing baseado em busca na árvores de Monte Carlo
title_sort Um player para General Game Playing baseado em busca na árvores de Monte Carlo
author Sá, Carlos Bruno Piucci Garcia
author_facet Sá, Carlos Bruno Piucci Garcia
author_role author
dc.contributor.none.fl_str_mv Carvalho, Aline Marins Paes
Montenegro, Anselmo Antunes
Gonzales Clua, Esteban Walter
dc.contributor.author.fl_str_mv Sá, Carlos Bruno Piucci Garcia
dc.subject.por.fl_str_mv Inteligência artificial
Jogos
GGP
GDL
MCS
MCTS
Inteligência artificial
Jogo em computador
Artificial inteligence
Games
topic Inteligência artificial
Jogos
GGP
GDL
MCS
MCTS
Inteligência artificial
Jogo em computador
Artificial inteligence
Games
description Neste trabalho será abordado o tópico de General Game Playing (GGP) que é uma subárea da Inteligência Artificial, e consiste em desenvolver formas de modelar e resolver jogos de modo genérico. O objetivo principal deste trabalho é desenvolver um agente jogador de General Game Playing, capaz de jogar jogos arbitrários modelados na linguagem de Game Description Language (GDL), os quais nunca tenha se deparado anteriormente, mas ainda assim escolhendo movimentos válidos e apresentando um nível de jogo convincente, ou seja, que não faça escolhas aleatórias de movimentos. O agente desenvolvido neste trabalho, implementado em uma camada acima de um conhecido arcabouço de GGP é capaz de jogar com um ser humano e com outros agentes de GGP para verificar se de fato o agente desenvolvido possui as habilidades requeridas em GGP, foram executados testes, consistindo de partidas entre os agentes, de diversos jogos. Diferentes métodos de escolha de movimentos e variadas configurações das constantes envolvidas na implementação foram experimentadas, a fim de investigar a consequência da variação destes componentes. O agente jogador de GGP desenvolvido nesse trabalho apresentou um comportamento satisfatório, pois foi capaz de jogar os diversos jogos que lhe foram apresentados cometendo somente 0,27% de movimentos ilegais dentre todos os movimentos que executou. Assim, neste trabalho foi possível obter um agente jogador capaz de jogar corretamente jogos que nunca havia presenciado antes.
publishDate 2018
dc.date.none.fl_str_mv 2018-01-31T12:06:20Z
2018-01-31T12:06:20Z
2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/5681
url https://app.uff.br/riuff/handle/1/5681
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1802135306443423744

Registros relacionados