0 valutazioniIl 0% ha trovato utile questo documento (0 voti)
94 visualizzazioni15 pagine
1) A Teoria de Jogos trata de situações de decisão estratégica entre dois ou mais oponentes.
2) Algoritmos como MINIMAX e alfa-beta são usados para encontrar a melhor jogada em jogos com informação perfeita como Xadrez, avaliando todas as possibilidades da árvore de jogo.
3) Em jogos com informação imperfeita ou elementos de sorte, usa-se heurísticas e valor esperado para avaliar posições, já que não é possível avaliar toda a árvore.
1) A Teoria de Jogos trata de situações de decisão estratégica entre dois ou mais oponentes.
2) Algoritmos como MINIMAX e alfa-beta são usados para encontrar a melhor jogada em jogos com informação perfeita como Xadrez, avaliando todas as possibilidades da árvore de jogo.
3) Em jogos com informação imperfeita ou elementos de sorte, usa-se heurísticas e valor esperado para avaliar posições, já que não é possível avaliar toda a árvore.
Copyright:
Attribution Non-Commercial (BY-NC)
Formati disponibili
Scarica in formato PDF, TXT o leggi online su Scribd
1) A Teoria de Jogos trata de situações de decisão estratégica entre dois ou mais oponentes.
2) Algoritmos como MINIMAX e alfa-beta são usados para encontrar a melhor jogada em jogos com informação perfeita como Xadrez, avaliando todas as possibilidades da árvore de jogo.
3) Em jogos com informação imperfeita ou elementos de sorte, usa-se heurísticas e valor esperado para avaliar posições, já que não é possível avaliar toda a árvore.
Copyright:
Attribution Non-Commercial (BY-NC)
Formati disponibili
Scarica in formato PDF, TXT o leggi online su Scribd
Teoria de Jogos mais complexa que os problemas de busca zSão problemas de contingência zSão situações mais próximas da realidade que os problemas de busca zEficiência é muito importante Decisão perfeita em jogos com dois oponentes
zOs oponentes jogam alternadamente
zNo final o vencedor ganha pontos ou o vencido perde pontos zElementos da definição formal: yEstado inicial yConjunto de operadores yTeste de finalização yFunção de utilidade Árvore parcial do jogo da velha Exemplo de MINIMAX Algoritmo MINIMAX function DECISÃO-MINIMAX(jogo) returns um operador for each op in OPERADORES[jogo] do VALOR[op] ¬ VALOR-MINIMAX(APLICAR(op,jogo),jogo) end return op com o maior VALOR[op] function VALOR-MINIMAX(estado,jogo) returns um valor de utilidade if TESTE-TERMINAL[jogo](estado) then return UTILIDADE[jogo](estado) else if MAX deve movimentar em estado then return o maior VALOR-MINIMAX de SUCESSORES(estado) else return o menor VALOR-MINIMAX de SUCESSORES(estado) Decisão Imperfeita
zNão se pode, em geral, ir até o final da
árvore, como no MINIMAX zEm vez da função de utilidade usa-se uma função de avaliação heurística zPoda-se a árvore em determinado nível zPosições quiescentes: variação suave zProblema do horizonte Função de avaliação Problema do Horizonte Jogo com duas jogadas gerado por alfa-beta Algoritmo alfa-beta (1) function VALOR-MAX(estado,jogo, , ) returns o valor minimax do estado inputs:estado, estado atual do jogo jogo, descrição do jogo a, melhor avaliação de MAX no caminho até estado b, melhor avaliação de MIN no caminho até estado if TESTE-DE-CORTE(estado) then return AVALestado) for each s in SUCESSORES(estado) do a ¬ MAX(a, VALOR-MIN(s, jogo, a, b)) if a ³ b then return b end return a Algoritmo alfa-beta (2)
function VALOR-MIN(estado, jogo, a, b) returns
o valor minimax do estado if TESTE-DE-CORTE (estado) then return AVAL(estado) for each s in SUCESSORES(estado) do b ¬ MIN(b, VALOR-MAX(s, jogo, a, b)) if b £ a then return a end return b Jogos com componente aleatório (jogos de azar)
zSurgem nós representando o acaso
zNestes nós calcula-se a média ou o valor esperado, que é a média sobre todas as possibilidades que podem ocorrer zPode-se calcular o valor expectimax de uma posição C através da fórmula
expectimax(C)=Si P(di)sÎS(C,di)(utilidade(s)) Esquema de árvore com elemento ao acaso Pontuação de campeões de xadrez