Publicação:
Métodos de Inteligência Artificial aplicados em jogos baseados em turnos

Página do item simplificado
dc.contributor.advisor1Brasil, Christiane Regina Soares
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5064007473299439pt_BR
dc.contributor.referee1Gabriel, Paulo Henrique Ribeiro
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.contributor.referee2Cattelan, Renan Gonçalves
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3722586963728305pt_BR
dc.creatorOliveira, Guilherme Pacheco de
dc.creator.Latteshttp://lattes.cnpq.br/4949667927455009pt_BR
dc.date.accessioned2018-08-06T15:18:55Z
dc.date.available2018-08-06T15:18:55Z
dc.date.issued2018-07-09
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO mercado de jogos eletrônicos vem crescendo rapidamente, junto com ele, também há uma grande evolução no poder de processamento e das tecnologias que envolvem esse ramo. Isso possibilita que, além de questões gráficas, os jogos possam explorar o uso de técnicas da Inteligência Artificial. A melhoria da tecnologia também possibilita que novos algoritmos sejam investigados em diferentes etapas do desenvolvimento de um jogo. Neste trabalho foram desenvolvidos um algoritmo de aprendizado por reforço, o HAQL, e um Algoritmo Evolutivo para realizar modelagem de jogadores utilizando cinco agentes que possuem objetivos distintos dentro de um jogo baseado em turnos chamado MiniDungeons. As técnicas utilizadas são úteis para serem aplicadas durante o desenvolvimento de jogos, simulando comportamentos de jogadores reais e fazendo com que partes do conteúdo de um jogo possam ser testadas de modo mais rápido e barato. Os resultados obtidos a partir dos experimentos realizados indicam que o algoritmo de aprendizado por reforço foi eficiente em otimizar um objetivo isolado, confirmando resultados mostrados na literatura, enquanto o AE apresentou um conjunto de soluções mais versáteis, buscando otimizar não somente um objetivo específico, aproximando-o mais à realidade de um jogador humano.pt_BR
dc.identifier.citationOLIVEIRA, Guilherme Pacheco de. Métodos de Inteligência Artificial aplicados em jogos baseados em turnos. 2018. 81f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2018.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/22184
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration81pt_BR
dc.subjectAlgoritmos Evolutivospt_BR
dc.subjectEvolutionary Algorithmspt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectMachine Learningpt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectArtificial Intelligencept_BR
dc.subjectAprendizado em Jogospt_BR
dc.subjectLearning in Gamespt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleMétodos de Inteligência Artificial aplicados em jogos baseados em turnospt_BR
dc.title.alternativeArtificial Intelligence methods applied on turn based gamespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
MetodosInteligenciaArtificial.pdf
Tamanho:
4.71 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.75 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC - Ciência da Computação