Métodos de Inteligência Artificial aplicados em jogos baseados em turnos

Oliveira, Guilherme Pacheco de

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/22184

Full metadata record

DC Field	Value	Language
dc.creator	Oliveira, Guilherme Pacheco de	-
dc.date.accessioned	2018-08-06T15:18:55Z	-
dc.date.available	2018-08-06T15:18:55Z	-
dc.date.issued	2018-07-09	-
dc.identifier.citation	OLIVEIRA, 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.uri	https://repositorio.ufu.br/handle/123456789/22184	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Algoritmos Evolutivos	pt_BR
dc.subject	Evolutionary Algorithms	pt_BR
dc.subject	Aprendizado de Máquina	pt_BR
dc.subject	Machine Learning	pt_BR
dc.subject	Inteligência Artificial	pt_BR
dc.subject	Artificial Intelligence	pt_BR
dc.subject	Aprendizado em Jogos	pt_BR
dc.subject	Learning in Games	pt_BR
dc.title	Métodos de Inteligência Artificial aplicados em jogos baseados em turnos	pt_BR
dc.title.alternative	Artificial Intelligence methods applied on turn based games	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Brasil, Christiane Regina Soares	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/5064007473299439	pt_BR
dc.contributor.referee1	Gabriel, Paulo Henrique Ribeiro	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/3181954061121790	pt_BR
dc.contributor.referee2	Cattelan, Renan Gonçalves	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/3722586963728305	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/4949667927455009	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.resumo	O 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.publisher.country	Brasil	pt_BR
dc.publisher.course	Ciência da Computação	pt_BR
dc.sizeorduration	81	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
Appears in Collections:	TCC - Ciência da Computação

Files in This Item:

File	Description	Size	Format
MetodosInteligenciaArtificial.pdf		4.82 MB	Adobe PDF	View/Open

Show simple item record