نبذة مختصرة : Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022. ; Over the last few decades, games have proven to be great test environments in the artificial intelligence field due to its well defined rules and clear evaluation methods. Therefore, this monography proposes the development, analysis and comparison of agents for the game Risk, a famous strategy board game based on turns, aiming the advance in the artificial intelligence field. For that, the following methods will be proposed to the agents development: heuristic and Monte Carlo tree search. The agents are going to face each other in two player matches, documenting the bots’ win rate against each of their opponents and the average number of troops owned by each agent at the end of the game. The expectation is to identify the pros, cons and efficiency of each trained model, concluding at the end which agent has the best performance. ; Ao longo das últimas décadas, jogos têm se provado ótimos ambientes para testes na área de inteligência artificial por possuírem regras bem definidas e métodos claros de avaliação. Por isso, esta monografia propõe o desenvolvimento, análise e comparação de agentes para o jogo Risk, um famoso jogo de estratégia de tabuleiro baseado em turnos, visando assim, o avanço na área de inteligência artificial. Para isso, os seguintes métodos serão propostos para a construção de quatro agentes: heurística e busca em árvore Monte Carlo. Os agentes irão se enfrentar em partidas de dois jogadores, documentando-se a porcentagem de vitórias dos bots contra cada um de seus adversários e o número médio de tropas pertencentes a cada agente no final do jogo. A expectativa é que sejam identificadas as vantagens, desvantagens e a eficiência de cada modelo de treino, chegando assim à conclusão de qual agente tem melhor desempenho.
Processing Request
No Comments.