UTILIZAÇÃO DE APRENDIZADO POR REFORÇO PARA APRENDER A ESTRATÉGIA DO JOGO DA VELHA

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "UTILIZAÇÃO DE APRENDIZADO POR REFORÇO PARA APRENDER A ESTRATÉGIA DO JOGO DA VELHA"

Transcrição

1 Anais do 12 O Encontro de Iniciação Científica e Pós-Graduação do ITA XII ENCITA / 2006 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 16 a UTILIZAÇÃO DE APRENDIZADO POR REFORÇO PARA APRENDER A ESTRATÉGIA DO JOGO DA VELHA Marcelo Corrêa Horewicz Instituto Tecnológico de Aeronáutica ITA.Programa de Pós-Graduação em Aplicações Operacionais (PPGAO). H9B apt 203 Campus do CTA - São José dos Campos SP Brasil Cairo Lúcio Nascimento Jr. Instituto Tecnológico de Aeronáutica ITA. Divisão de Engenharia Eletrônica. São José dos Campos SP Brasil Resumo. Neste artigo são apresentados os resultados alcançados com o aprendizado por reforço do inglês Reinforcement Learning (RL) de jogadores artificiais de jogo da velha em um tabuleiro com 3X3 casas. O aprendizado por reforço é uma técnica de aprendizagem onde os agentes recebem recompensas e punições a partir da realização de uma determinada ação. No caso em estudo primeiramente um jogador artificial de jogo da velha aprendeu por reforço boas estratégias de jogo após ter sido treinado por um outro jogador artificial que já possuía boas estratégias do jogo da velhaeste jogador fora implementado com o algoritmo conhecido como Min-Max. Numa segunda situação dois jogadores artificiais se confrontaram aprendendo por reforço conjuntamente as estratégias do jogo. As simulações realizadas em MATLAB comprovaram a eficiência da técnica e os jogadores artificiais aprendizes ao final dos treinamentos ficaram capacitados a jogar o jogo da velha contra qualquer adversário seja este uma outra máquina seja este um ser humano. Palavras chave:inteligência Artificial algoritmo min-max aprendizado por reforço. 1. Introdução O aprendizado é a aquisição de conceitos e de conhecimentos estruturados. O estudo do aprendizado pela máquina é uma área fundamental da inteligência artificial (IA). O aprendizado pode ocorrer com ou sem a presença de um tutor ou seja de um professor. O aprendizado supervisionado caracteriza-se pela orientação de um tutor na aquisição dos conceitos e de conhecimentos estruturados enquanto que o aprendizado não-supervisionado ocorre apenas em função dos estímulos primitivos não existindo a figura do tutor na aprendizagem. Um dos mecanismos empregados no processo de aprendizagem é o de punição e recompensa onde as tentativas e os erros são disciplinados por um supervisor que fornece ao aprendiz um sinal de retorno na forma de punição ou recompensa dependendo das ações certas ou erradas executadas pelo supervisionado. A aprendizagem por reforço é um típico problema de aprendizagem baseado em punição e recompensa ou comportamental e é realizada através da interação entre o sistema de aprendizagem e o seu ambiente dentro do qual o sistema procura alcançar um objetivo específico apesar da presença de incertezas. O fato de que esta interação é realizada sem um professor torna a aprendizagem por reforço atrativa para situações dinâmicas em que é custoso ou difícil reunir um conjunto satisfatório de exemplos de entradas e saídas. A aprendizagem por reforço pode ser aplicada ao clássico jogo da velha do inglês Tic-Tac-Toe. Neste caso pretende-se que a máquina possua a capacidade de jogar o jogo da velha com boas estratégias de jogo adquiridas após um treinamento utilizando o aprendizado por reforço. A máquina uma vez aprendido estratégias do jogo da velha terá condições de jogar contra seres humanos ou computadores. Para que a máquina possa aprender a jogar o jogo da velha ela necessita de jogar contra um oponente que conheça as regras e de preferência que possua boas estratégias de jogo. Para um primeiro treinamento foi utilizado como adversário um programa que já possuía o conhecimento de estratégias do jogo da velha desenvolvido segundo a técnica conhecida como Min-Max. Num segundo treinamento foram utilizados dois jogadores aprendizes que se confrontaram e com isto aprenderam conjuntamente e por reforço as estratégias do jogo da velha. Vale a pena ressaltar que neste caso nenhum dos dois jogadores conheciam algum tipo de estratégia de jogo antes do treinamento. Para efeitos de padronização e facilidade de entendimento a partir deste momento a máquina que utilizou a técnica de aprendizagem por reforço será denominada simplesmente de AR e a máquina que foi desenvolvida segundo a técnica Min-Max será chamada simplesmente de Min-Max. No segundo caso de treinamento os jogadores artificiais serão nomeados como AR1 e AR2. Neste artigo são mostrados os resultados obtidos pelo treinamento de um AR jogando contra um Min-Max e pelo treinamento de um AR1 jogando contra um AR2.

2 2. Aprendizagem por Reforço Segundo (Sutton e Barto 1998) aprendizagem por reforço (AR) é um formalismo da Inteligência Artificial que permite a um indivíduo aprender a partir da sua interação com o ambiente no qual ele está inserido. A aprendizagem se dá através do conhecimento sobre o estado decorrente das ações que são elementos essenciais na área de aprendizado de máquina. Desta forma a aprendizagem por reforço é uma técnica de aprendizagem de máquina que consiste no aprendizado do mapeamento de estados em ações de modo que um valor numérico de retorno seja maximizado. O agente não precisa inicialmente saber as ações que deve tomar mas deve descobrir quais ações o levam a obter maiores valores de retorno. Segundo (Haykin 2001) na aprendizagem por reforço o aprendizado de um mapeamento de entrada e saída é realizado através da interação contínua com o ambiente visando a minimizar um índice escalar de desempenho. A Figura 1 mostra o diagrama de blocos de uma forma de sistema de aprendizagem por reforço construído em torno de um crítico que converte um sinal de reforço primário recebido do ambiente em um sinal de reforço heurístico. O sistema é projetado para aprender por reforço atrasado o que significa que o sistema observa uma seqüência temporal de estímulos também recebidos do ambiente que ocasionalmente resultam na geração do sinal de reforço heurístico. O objetivo da aprendizagem é minimizar uma função de custo para avançar definida como a expectativa do custo cumulativo de ações tomadas ao longo de uma seqüência de passos em vez simplesmente do custo imediato. Pode acontecer que certas ações tomadas anteriormente naquela seqüência de passos de tempo sejam de fato os melhores determinantes do comportamento global do sistema. O sistema de aprendizagem tem como função descobrir estas ações e realimentá-las para o ambiente (Haykin 2001). Reforço Primário Ambiente ENTRADA Crítico Ações Reforço Heurístico Sistema de Aprendizagem Figura 1. Diagramas em bloco do Aprendizado por Reforço. A aprendizagem por reforço diferencia-se de outros tipos de aprendizagem por ser um aprendizado por interação ou seja o agente por aprendizagem por reforço age no ambiente e recebe um valor de reforço que o ambiente retorna em resposta perante a ação tomada assimilando através do aprendizado o valor de reforço obtido para tomar decisões posteriores. 3. Algoritmo Min-Max O algoritmo conhecido como Min-Max é bastante utilizado em teoria de jogos e habilita computadores a possuir boas estratégias em jogos. O algoritmo tem como premissa maximizar uma função de utilidade assumindo que o adversário jogará perfeitamente para minimizá-la (Russell 1995). Segundo (Nascimento 2000) o algoritmo Min-Max é fundamentado numa expansão de nós de uma árvore e para que se possa selecionar a melhor opção de jogada há a necessidade de uma heurística que permita fornecer a cada jogada um valor que indique a vantagem posicional alcançada pelo movimento conhecido. No caso do jogo da velha especificamente uma heurística bastante utilizada é a da diferença entre o número de alinhamentos possíveis para cada jogador ou seja a diferença entre todos os alinhamentos possíveis naquele momento para o adversário ganhar e todos os alinhamentos possíveis naquele momento para o computador ganhar. É baseada nesta heurística que o computador

3 realiza sua estratégia de jogo maximiza a sua jogada levando-se em conta que o adversário fará o melhor possível para minimizá-la. Daí vem o nome do algoritmo: Min-Max. Como dito o algoritmo Min-Max fundamenta-se em uma árvore como mostrado na Figura 2 porém o cálculo da heurística é realizado das folhas para a raiz que é a primeira jogada realizada. Se o algoritmo realiza os cálculos apenas para uma jogada sua e do adversário a frente ele possui a profundidade de uma jogada no entanto se o algoritmo realiza os cálculos visualizando duas jogadas a frente ele possui uma profundidade de duas jogadas e assim por diante. Pode-se perceber que quanto maior o nível de profundidade de busca do computador maior o seu poder computacional e sua habilidade no jogo. Foram utilizados no treinamento do AR programas com o Min-Max com profundidade de uma jogada e com profundidade de duas jogadas. Figura 2. Construção da árvore aplicado ao jogo da velha. 4. Aprendizagem por Reforço no Jogo da Velha A utilização de aprendizagem por reforço no jogo da velha tem como objetivo produzir um jogador com inteligência artificial capaz de após um treinamento baseado em recompensas e punições jogar contra um oponente seja este um ser humano ou uma outra máquina. O primeiro passo do algoritmo de aprendizado por reforço é a geração de uma lista permanente com os estados que são aprendidos com o decorrer do treinamento a alocação dos estados é dinâmica e depende da quantidade de jogos e da habilidade do adversário treinador. Além desta lista permanente é criada uma lista temporária para cada jogo completo realizado esta lista guarda a seqüência de jogadas daquele jogo específico. Tanto na lista permanente quanto na lista temporária são armazenadas as matrizes de jogo composta de 9 campos (num tabuleiro 3X3) marcando um valor 1 para a jogada do adversário na casa correspondente um valor -1 para a jogada do computador na casa correspondente e um valor zero para a casa que ainda não foi jogada. Além disto também é armazenada uma lista de probabilidades associada para cada casa em cada estado. Esta lista é iniciada com cada campo contendo um valor de 0.5 ou seja é suposto que inicialmente existem 50% de chance do computador ganhar o jogo jogando em qualquer casa vaga para cada estado de jogo apresentado. Para cada jogada do computador é sorteado um valor que define em qual casa vaga o computador deverá jogar de forma que inicialmente a jogada é realizada de uma forma totalmente aleatória. Conforme o AR vai sendo treinado os valores das probabilidades vão se alterando sendo diminuídos ao receber um reforço negativo ou aumentado ao receber um reforço positivo. Para atualizar os valores das probabilidades é utilizado o método da aprendizagem por diferença temporal. O valor corrente do estado é ajustado de forma a ter seu valor mais alterado do que os estados iniciais isto porque nos estados finais é que se sabe se houve ou não uma vitória. A Equação (1) descreve a regra de atualização das probabilidades de se ganhar o jogo conforme (Sutton e Barto 1998): V(s) V(s) + α[v(s ) V(s)] (1) Sendo: α é a taxa de aprendizagem V(s) é o valor da probabilidade atualizada a cada fim de partida

4 V(s ) tem o valor inicial de 1 no reforço positivo ou seja quando há uma vitória e 0 no reforço negativo ou seja quando há uma derrota do computador. Ao final de cada partida todos os estados contidos na lista temporária têm suas listas de probabilidades atualizadas proporcionalmente conforme a equação acima. Ao fim do treinamento o AR possui uma lista permanente que especifica as melhores jogadas a serem executadas a cada estado aprendido. 5. Resultados Nesta seção serão apresentados alguns resultados interessantes do treinamento de um AR contra um Min-Max e de dois AR aprendendo por reforço conjuntamente. Na primeira situação o AR treina contra um Min-Max com 1 e com 2 níveis de profundidade de busca a frente. Numa segunda situação um AR1 treina contra um AR2 sendo que ambos jogadores somente sabem as regras do jogo não tendo nenhum tipo de estratégia inicial de jogo. Primeiramente somente o AR1 inicia o jogo numa seguinte simulação os jogadores iniciam intercalados ou seja o AR1 inicia o jogo nas partidas ímpares e o AR2 inicia o jogo nas partidas pares. 5.1 AR x Min-Max: Jogador Min-Max inicia o jogo Quando o jogador implementado com a técnica Min-Max inicia o jogo tanto com a profundidade de 1 jogada quanto na profundidade de 2 jogadas a frente não é possível vencê-lo no máximo o que ocorre é o empate. No caso do jogo da velha a técnica do Min-Max possui um desempenho excelente quando este inicia o jogo. Numa primeira simulação de treinamento manteve-se fixa a taxa de aprendizagem α em 0.95 e alterou a quantidade de partidas jogadas com o Min-max possuindo profundidade de 1 jogada. A Figura 3 mostra os resultados obtidos para a quantidade de jogadas de e respectivamente. Em vermelho têm-se os valores percentuais de derrotas do AR em verde têm-se os valores percentuais de empates e em azul os de vitória que neste caso mesmo com o aumento significante do número de partidas foi completamente zerada ou seja mostrando que quando o Min-Max inicia o jogo ele é imbatível. Pode-se notar que mesmo alterando a quantidade de partidas o número de empates se estabilizou ao final do treinamento em 70%. Figura 3. Min-Max inicia Taxa de Aprendizagem α: 0.95 Quantidade de partidas: e Mesmo aumentando o número de partidas jogadas o máximo que o AR conseguiu foi empatar com o Min-Max. Para que o AR em seu treinamento por reforço vença um oponente que inicie o jogo é necessário que este jogador não seja invencível isto poderia ser realizado talvez com um ser humano não muito hábil. Numa segunda simulação de treinamento manteve-se fixa a taxa de aprendizagem α em 0.95 e a quantidade de partidas jogadas em também com o Min-Max possuindo profundidade de 1 jogada. Porém agora foi alterada a estratégia do aprendizado as primeiras 300 partidas foram jogadas por sorteio ou seja com probabilidade a partir daí a escolha da jogada do AR foi selecionada pelo valor máximo da lista de probabilidade daquele estado específico. Com isto como pode ser visto na Figura 4 o AR aprendeu rapidamente a empatar o jogo o que ocasionou a elevação do índice de empates a quase 100% após o término do treinamento. Nesta simulação o AR obteve um índice de 9773% de empates no final do treinamento.

5 Figura 4. Alteração da estratégia de Aprendizagem: Min-Max inicia Taxa de Aprendizagem α: 0.95 Quantidade de partidas: AR x Min-Max: Jogador AR inicia o jogo Quando o AR inicia o jogo é possível vencer o Min-Max tanto na modalidade com a profundidade de 1 jogada quanto na da profundidade de 2 jogadas a frente. No caso do jogo da velha quando o Min-Max é o segundo jogador a jogar a técnica do Min-Max possui um fraco desempenho na profundidade de 1 jogada de busca e um desempenho razoável na profundidade de busca de 2 jogadas a frente. Numa primeira simulação o treinamento consistiu em partidas jogadas entre o AR e o Min-Max mas agora tendo profundidade de 2 jogadas de busca onde apenas a taxa de aprendizagem do AR foi alterada. A Figura 5 mostra os resultados obtidos para as taxas de aprendizagem de e 0.8 respectivamente. Em vermelho têm-se os valores percentuais de derrotas do AR em verde têm-se os valores percentuais de empates e em azul os de vitória do AR. Figura 5. AR inicia Quantidade de partidas: partidas Taxa de Aprendizagem: e 0.8 Profundidade 2 Inicialmente o AR possui uma quantidade excessiva de derrotas porém com o decorrer do tempo ele vai aprendendo a empatar até que ele finalmente aprende as melhores seqüências de jogadas para vencer o adversário não perdendo mais a partir daí. O Min-Max de profundidade 2 somente perde se o adversário jogar em um dos cantos do tabuleiro e o AR demora um certo tempo para perceber isto pois ele aprende aos poucos através das recompensas e punições recebidas durante a execução das partidas. No entanto a partir do momento que o AR identifica a limitação do adversário ele ganha sempre a partir de então chegando a um índice próximo de 100% de vitórias. A Figura 6 mostra este resultado quando é alterado o treinamento para partidas sendo a taxa de aprendizagem de 0.95 e a profundidade do Min-Max de 2 jogadas de busca. Nesta simulação o AR obteve um índice de 9484% de vitórias no final do treinamento.

6 Figura 6. AR inicia Quantidade de partidas: partidas Taxa de Aprendizagem:0.95 Profundidade AR1 x AR2: Jogador AR1 inicia o jogo Na simulação o treinamento consistiu em partidas jogadas entre dois AR sendo que apenas um deles sempre iniciava o jogo no caso o AR1. As taxas de aprendizagem dos ARs foram sempre iguais porém sendo alterados em cada simulação. A Figura 7 mostra os resultados obtidos para as taxas de aprendizagem de e 0.8 respectivamente. Em vermelho têm-se os valores percentuais de derrotas do AR1 em verde têm-se os valores percentuais de empates e em azul os de vitória do AR1. Figura 7. AR1 inicia Quantidade de partidas: partidas - Taxa de Aprendizagem: e 0.8 Pode-se notar que mesmo alterando a taxa de aprendizagem dos ARs o número de vitórias do AR1 se estabilizou ao final do treinamento em 60% e do AR2 em 30%. Uma explicação possível para este fato é que o AR que inicia o jogo aprende com mais rapidez a ganhar e por isto possui um maior desempenho de vitórias do que o AR que só joga na segunda vez. Outro fato interessante é que a partir do momento em que o AR2 começa a vencer as partidas o AR1 começa a receber um reforço negativo para as suas jogadas no qual estava acostumado a vencer desta forma existe um efeito de desaprendizagem do AR AR1 x AR2: Início Intercalado Nesta simulação os jogadores iniciaram intercalados ou seja o AR1 iniciava o jogo nas partidas ímpares e o AR2 iniciava o jogo nas partidas pares. Numa primeira simulação o treinamento consistiu em partidas jogadas entre os dois AR sendo que as taxas de aprendizagem dos ARs foram sempre iguais e sendo alterados a cada simulação. A Figura 8 mostra os resultados obtidos para as taxas de aprendizagem de e 0.8 respectivamente. Em vermelho têm-se os valores percentuais de derrotas do AR1 em verde têm-se os valores percentuais de empates e em azul os de vitória do AR1.

7 Figura 8. Início intercalado Quantidade de partidas: Taxa de Aprendizagem: e 0.8 Pode-se notar que houve praticamente uma igualdade na quantidade de vitórias dos ARs desde as primeiras partidas o que caracteriza que o jogador que inicia o jogo provavelmente é o vencedor ou seja os ARs praticamente aprenderam apenas a vencer e não a empatar. Nesta simulação o empate foi considerado como um reforço negativo para ambos jogadores. Uma segunda simulação de treinamento para este caso foi realizada para tentar fazer com que os ARs aprendessem a empatar e não somente a ganhar quando era a sua vez de iniciar o jogo. Manteve-se fixa a quantidade de partidas jogadas em e a taxa de aprendizagem dos ARs igualmente em Além disto foi alterada a estratégia do aprendizado as primeiras 500 partidas de ambos ARs foram jogadas com o sorteio a partir daí a escolha da jogada a ser realizada pelos ARs foi selecionada pelo valor máximo da lista de probabilidade daquele estado específico. O empate agora foi considerado como sendo um reforço positivo para ambos jogadores. Nestas condições como pode ser observado na Figura 9 houve o aprendizado por ambos ARs em empatar o jogo independentemente de quem iniciava o jogo. Houve um índice de 9564 % de empates. Figura 9. Início intercalado Quantidade de partidas: Taxa de Aprendizagem: Conclusões Este trabalho teve como finalidade mostrar os resultados obtidos na aprendizagem por reforço de um jogador artificial do jogo da velha com tabuleiro 3X3. Para o seu treinamento primeiramente foi utilizado um outro jogador artificial que fora implementado com o algoritmo conhecido como Min-Max utilizando profundidades de busca de 1 ou 2 jogadas a frente. Em seguida foi realizado um treinamento com dois jogadores artificiais aprendizes utilizando a técnica de reforço por aprendizagem sendo que ambos somente conheciam no início as regras do jogo não tendo nenhuma estratégia de jogo. Diversas simulações foram realizadas e os resultados mostraram que é bastante satisfatório o aprendizado de um jogador artificial utilizando a técnica de aprendizagem por reforço. As simulações mostraram que quando o Min-Max começa jogando ele é imbatível o AR no máximo conseguiu empatar tendo um índice de 70% de empates ao final do treinamento. Alterando a estratégia do aprendizado este índice chegou próximo aos 100% de empate.

8 Já nos casos em que o AR iniciava o jogo o computador aprendiz conseguia aprender os pontos fracos do Min Max e a partir deste momento a vencer todas as partidas chegando a um índice próximo de 100% de vitórias no final do treinamento. Neste caso não houve a necessidade de se alterar a estratégia de aprendizagem. Quando o treinamento é realizado com dois jogadores aprendizes tendo a mesma taxa de aprendizagem o jogador que inicia o jogo teve uma grande vantagem no número de vitórias possivelmente por ter aprendido mais rápido a vencer. Interessante foi o fato de verificar que com o decorrer do treinamento o primeiro jogador acabava desaprendendo o que tinha aprendido até então. Quando os jogadores iniciaram intercalados ou seja o primeiro jogador iniciava nas partidas ímpares e o segundo jogador iniciava nas partidas pares a quantidade de vitórias de ambos jogadores foram igualados. Notou-se que a quantidade de empates entre os jogadores era muito pequeno em torno de 10%. Uma explicação possível para isto é que o empate estava sendo considerado como um reforço negativo. Considerando o empate um reforço positivo igualando a taxa de aprendizagem em 095 e alterando a estratégia de escolha da jogada para ambos jogadores fez com que os jogadores aprendessem a empatar independentemente do jogador que iniciava o jogo. 7. Agradecimentos Gostaríamos de agradecer ao Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq pela oportunidade da realização deste trabalho. 8. Referências Haykin Simon; Redes Neurais Princípios e Práticas 2ª Ed. Editora Bookman Nascimento Júnior Cairo Lúcio; Yoneyama Takashi; Inteligência Artificial em Controle e Automação Editora Wdgard Blücher Ltda Russell Stuart; Norvig Peter; Artificial Intelligence A Modern Approach Prentice Hall Sutton R. S. ; Barto A. G.; Reinforcment Learning: An Introduction. MIT Press Cambridge Massachusetts 1998.

3 Aprendizado por reforço

3 Aprendizado por reforço 3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina

Leia mais

Árvore de Jogos Minimax e Poda Alfa-Beta

Árvore de Jogos Minimax e Poda Alfa-Beta Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Árvore de Jogos Minimax e Poda Alfa-Beta Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 24 Aprendizado Por Reforço Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor (KNN).

Leia mais

Busca competitiva. Inteligência Artificial. Profª. Solange O. Rezende

Busca competitiva. Inteligência Artificial. Profª. Solange O. Rezende Profª. Solange O. Rezende 1 O que vimos até agora... Busca não informada Baseada somente na organização de estados e a sucessão entre eles Busca informada Utiliza, também, informações a respeito do domínio

Leia mais

a) Defina em Prolog iguais/1, um predicado que recebe um estado do jogo e que verifica que todas as pilhas têm o mesmo número de peças.

a) Defina em Prolog iguais/1, um predicado que recebe um estado do jogo e que verifica que todas as pilhas têm o mesmo número de peças. Introdução à Inteligência Artificial 2ª Época 29 Janeiro 2015 Nº Aluno: Nome Completo: Exame com consulta. Responda às perguntas nesta própria folha, nos espaços indicados. (I) O jogo do Nim (também chamado

Leia mais

USO DE JOGOS LÓGICOS APLICADOS A APRENDIZAGEM DE MÁQUINA. 1

USO DE JOGOS LÓGICOS APLICADOS A APRENDIZAGEM DE MÁQUINA. 1 USO DE JOGOS LÓGICOS APLICADOS A APRENDIZAGEM DE MÁQUINA. 1 Jean Rafael Reus Da Silva 2, Rogerio Samuel De Moura Martins 3, Renato Perez Ribas 4, Rafael Zancan Frantz 5, Sandro Sawicki 6. 1 Projeto de

Leia mais

Algoritmos de retrocesso

Algoritmos de retrocesso Algoritmos de retrocesso Algoritmos em que se geram escolhas que vão sendo testadas e eventualmente refeitas Problemas para os quais não existem algoritmos eficientes: retrocesso é melhor que pesquisa

Leia mais

Jogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra

Jogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra Jogo de Damas Alunos: Sávio Mendes de Figueiredo (savio@cos.ufrj.br) Sômulo Nogueira Mafra (somulo@cos.ufrj.br) Prof.: Inês dutra Inteligência artificial Coppe sistemas - UFRJ 1. Algumas Frases 2. Origens

Leia mais

PMR Computação para Mecatrônica

PMR Computação para Mecatrônica PMR3201 - Computação para Mecatrônica Prof. Thiago de Castro Martins Prof. Newton Maruyama Prof. Marcos de S.G. Tsuzuki Monitor: Pietro Teruya Domingues Exercício Programa 2 - Versão 2017 Resolvendo o

Leia mais

Introdução à Inteligência Artificial. Procura em contextos competitivos jogos (cont.)

Introdução à Inteligência Artificial. Procura em contextos competitivos jogos (cont.) Introdução à Inteligência Artificial Procura em contextos competitivos jogos (cont.) Sumário n Vimos Jogos de 2 jogadores n Determinísticos, soma nula, informação perfeita Estratégia óptima minimax Algoritmos

Leia mais

Inteligência Computacional para Jogos Eletrônicos

Inteligência Computacional para Jogos Eletrônicos Inteligência Computacional para Jogos Eletrônicos Papéis da IA em Jogos Adversários Aliados Personagens de apoio NPC s (Non-player Character) Comentaristas Controle de câmera Geração de fases Nivelamento

Leia mais

Ex. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: f=7 f=7 f=1 f=2

Ex. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: f=7 f=7 f=1 f=2 LERCI/LEIC Tagus 2005/06 Inteligência Artificial Exercícios sobre Minimax: Ex. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: Max Min f=4 f=7

Leia mais

Microsoft Faculty Connection

Microsoft Faculty Connection Microsoft Faculty Connection Plataforma de Jogos como Ferramenta Multidisciplinar Prof. Dr. LucianoAntonio Digiampietri EACH-USP Roteiro Introdução Objetivos Detalhamentodo Projeto Conclusões Introdução

Leia mais

Trabalho Prático 2 Mundo dos Blocos Alocação Dinâmica / Listas Encadeadas

Trabalho Prático 2 Mundo dos Blocos Alocação Dinâmica / Listas Encadeadas Disciplina: Algoritmos e Estrutura de Dados I CIC / 9 Trabalho Prático Mundo dos Blocos Alocação Dinâmica / Listas Encadeadas Valor:,5 pontos (5% da nota total) Documentação não-latex: -, pontos Impressão

Leia mais

A UTILIZAÇÃO DE MATERIAIS MANIPULÁVEIS NA FORMAÇÃO INICIAL DE PROFESSORES: JOGO CARA A CARA DE POLIEDROS

A UTILIZAÇÃO DE MATERIAIS MANIPULÁVEIS NA FORMAÇÃO INICIAL DE PROFESSORES: JOGO CARA A CARA DE POLIEDROS A UTILIZAÇÃO DE MATERIAIS MANIPULÁVEIS NA FORMAÇÃO INICIAL DE PROFESSORES: JOGO CARA A CARA DE POLIEDROS Formação de Professores e Educação Matemática (FPM) GT 08 Jailson Lourenço de PONTES jail21.jlo@gmail.com

Leia mais

Jaraguá Clube Campestre VI Campeonato Interno de Futsal -2015

Jaraguá Clube Campestre VI Campeonato Interno de Futsal -2015 Jaraguá Clube Campestre VI Campeonato Interno de Futsal -2015 INFANTIL REGULAMENTO: A Sub-diretoria de Futsal Infantil de Esportes do Jaraguá Clube Campestre realizará, no período de 30/08 a 14/11/2015.

Leia mais

Anatomia do motor de um programa de xadrez. Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina

Anatomia do motor de um programa de xadrez. Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina Anatomia do motor de um programa de xadrez Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina Conteúdo Objetivo O que é um motor de xadrez? Arquitetura Entrada e saída Representação do tabuleiro

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Primeira Lista de Exercícios de junho de 0 Quantos códigos de quatro letras podem ser construídos usando-se as letras a, b, c, d, e, f se: a nenhuma letra puder ser repetida? b qualquer

Leia mais

Fundamentos de Teoria dos jogos

Fundamentos de Teoria dos jogos Fundamentos de Teoria dos jogos A Teoria dos Jogos é um ramo da matemática aplicada que estuda situações estratégicas em que jogadores escolhem diferentes ações na tentativa de melhorar seu retorno. Na

Leia mais

Simulação do Jogo Tic-Tac-Toe com o uso de Técnicas de Inteligência Artificial

Simulação do Jogo Tic-Tac-Toe com o uso de Técnicas de Inteligência Artificial STIN Simpósio de Tecnologia da Informação da Região Noroeste do RS 163 Simulação do Jogo Tic-Tac-Toe com o uso de Técnicas de Inteligência Artificial Aluísio de Ávila, Angélica Caetane Pelizza, Bruno Barbosa

Leia mais

Estatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias

Estatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias Estatística Básica Introdução à Análise Exploratória de Dados Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Pergunta Inicial O que é Estatística? 2/26 Contexto

Leia mais

REGRAS OFICIAIS (simplificadas) O CAMPO O MATERIAL OS JOGADORES O SORTEIO. O campo deve ser traçado como mostra o diagrama. O volante e a raqueta

REGRAS OFICIAIS (simplificadas) O CAMPO O MATERIAL OS JOGADORES O SORTEIO. O campo deve ser traçado como mostra o diagrama. O volante e a raqueta REGRAS OFICIAIS (simplificadas) O CAMPO O campo deve ser traçado como mostra o diagrama. O MATERIAL O volante e a raqueta OS JOGADORES O jogo pode ser disputado por dois jogadores de cada lado (pares Homens,

Leia mais

LABORATÓRIO DE INTRODUÇÃO A CIÊNCIA DE COMPUTAÇÃO TRABALHO SEMESTRAL:

LABORATÓRIO DE INTRODUÇÃO A CIÊNCIA DE COMPUTAÇÃO TRABALHO SEMESTRAL: LABORATÓRIO DE INTRODUÇÃO A CIÊNCIA DE COMPUTAÇÃO TRABALHO SEMESTRAL: JOGO DA FORCA ALUNOS: LEANDRO LUIS BELLINI JONATA PEREIRA MARTINS ROGER DOS SANTOS AGUERA PROFESSOR: SEIJI ISOTANI UNIVERSIDADE DE

Leia mais

Professor: Paulo Adolfo Kepler (Zé)

Professor: Paulo Adolfo Kepler (Zé) Professor: Paulo Adolfo Kepler (Zé) INTRODUÇÃO Caro aluno! Você acaba de ingressar no fascinante mundo do Xadrez, o jogo de tabuleiro mais praticado no mundo. Você estará no comando de um poderoso exército,

Leia mais

Agentes Inteligentes. Inteligência Artificial

Agentes Inteligentes. Inteligência Artificial Agentes Inteligentes (Capítulo 2 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Ambiente de Tarefas 3. Exemplos de ambiente de Tarefas 4. Propriedades

Leia mais

ATIVIDADES PRÁTICAS SUPERVISIONADAS

ATIVIDADES PRÁTICAS SUPERVISIONADAS ATIVIDADES PRÁTICAS SUPERVISIONADAS 7ª Série Linguagens Formais e Autômatos Ciência da Computação A atividade prática supervisionada (ATPS) é um método de ensino-aprendizagem desenvolvido por meio de um

Leia mais

Resolução de Problemas. Hugo Barros

Resolução de Problemas. Hugo Barros Resolução de Problemas Hugo Barros Resolução de Problemas Tópicos Conceitos Básicos Espaço de Estados Resolução de Problemas Dedica-se ao estudo e elaboração de algoritmos, capazes de resolver, por exemplo,

Leia mais

Implementação De Um Jogo Com Inteligência Artificial e Aprendizado Probabilístico

Implementação De Um Jogo Com Inteligência Artificial e Aprendizado Probabilístico MAC 499 Trabalho de Formatura Supervisionado IME USP Implementação De Um Jogo Com Inteligência Artificial e Aprendizado Probabilístico Aluno: Rogério Cazelato Papetti Orientador: Marcelo Finger Co Orientador:

Leia mais

Gamão. Como jogar este maravilhoso jogo

Gamão. Como jogar este maravilhoso jogo Gamão Como jogar este maravilhoso jogo Gamão é um jogo de tabuleiro para dois jogadores. Cada jogador tem 15 peças (pedras) que se movem por 24 triângulos (casas) de acordo com os números obtidos pela

Leia mais

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...

Leia mais

(Sistema Especialista)

(Sistema Especialista) Torneio de Truco (Sistema Especialista) Prof. Dr. Luciano Antonio Digiampietri Escola de Artes, Ciências e Humanidades da USP Roteiro Contexto Educativo Descrição do Jogo de Truco Objetivo Descrição do

Leia mais

ADAPTAÇÃO PEGA VARETAS (Números Inteiros Negativos)

ADAPTAÇÃO PEGA VARETAS (Números Inteiros Negativos) 1 ADAPTAÇÃO PEGA VARETAS (Números Inteiros Negativos) Objetivos Introduzir o conceito de números inteiros negativos; Desenvolvimento O professor confeccionará o jogo com os alunos ou distribuirá os jogos

Leia mais

1/ 36. Computação 1 - Python Aula 1 - Teórica: Introdução

1/ 36. Computação 1 - Python Aula 1 - Teórica: Introdução 1/ 36 Computação 1 - Python Aula 1 - Teórica: Introdução Conhecendo a turma Experiência com programação e uso do computador Quantos já programaram antes? Quais linguagens? Quantos tem computador em casa

Leia mais

O Ensino de Probabilidade. Paulo Cezar Pinto Carvalho IMPA

O Ensino de Probabilidade. Paulo Cezar Pinto Carvalho IMPA O Ensino de Probabilidade Paulo Cezar Pinto Carvalho IMPA Probabilidade na Escola Básica Tópico de grande importância em carreiras profissionais de todas as áreas (Engenharia, Medicina, Administração,...)

Leia mais

Jogos com Oponentes. Problemas de busca: não assumem a presença de um oponente

Jogos com Oponentes. Problemas de busca: não assumem a presença de um oponente istemas Inteligentes, 10-11 1 Jogos com ponentes Problemas de busca: não assumem a presença de um oponente Jogos: oponente INCERTEZA! Incerteza porque não se conhece as jogadas exatas do oponente e não

Leia mais

Inteligência Artificial (SI 214) Aula 6 Busca com Adversário. Prof. Josenildo Silva

Inteligência Artificial (SI 214) Aula 6 Busca com Adversário. Prof. Josenildo Silva Inteligência Artificial (SI 214) Aula 6 Busca com Adversário Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides de Hwee Tou

Leia mais

Objetivo: Vence o jogo o time que conseguir revelar primeiro todas as 3 Cartas de Identidade de 2 infiltrados pertencentes ao time adversário.

Objetivo: Vence o jogo o time que conseguir revelar primeiro todas as 3 Cartas de Identidade de 2 infiltrados pertencentes ao time adversário. Autores: Zero Cheung & Dark Chan Agradecimentos Especiais a: Pedro Pereira & Hims Chu ASSUNTOS INTERNOS (2 a 8 Jogadores, Idade 14+, 20 min.) Um grupo de mafiosos infiltrou-se na força policial. No entanto,

Leia mais

SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS

SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas

Leia mais

Pontifícia Universidade Católica de São Paulo Programa de TIDD

Pontifícia Universidade Católica de São Paulo Programa de TIDD Disciplina: 2854 - Sistemas Inteligentes e Ambientes Virtuais Turma A Área de Concentração: Processos Cognitivos e Ambientes Digitais Linha de Pesquisa: Inteligência Coletiva e Ambientes Interativos Professor:

Leia mais

Aprendizado por Árvores de Decisão

Aprendizado por Árvores de Decisão Universidade Federal de Santa Maria Departamento de Eletrônica e Computação Prof. Cesar Tadeu Pozzer Disciplina de Programação de Jogos 3D E-mail: pozzer@inf.ufsm.br Período: 2006/01 Aprendizado por Árvores

Leia mais

Experimentos e Resultados

Experimentos e Resultados 6 Experimentos e Resultados Neste capítulo apresentamos os experimentos realizados e os resultados obtidos pelas heurísticas apresentadas. A primeira parte do capítulo aborda os experimentos e resultados

Leia mais

Gatos & Cães Simon Norton, 1970s

Gatos & Cães Simon Norton, 1970s Gatos & Cães Simon Norton, 970s Um tabuleiro quadrado 8 por 8. 8 peças gato e 8 peças cão (representadas respectivamente por peças negras e brancas). Ganha o jogador que realizar a última jogada. zona

Leia mais

Aumentando a Produtividade e Reduzindo os Custos da Fábrica. Antonio Cabral

Aumentando a Produtividade e Reduzindo os Custos da Fábrica. Antonio Cabral Aumentando a Produtividade e Reduzindo os Custos da Fábrica Antonio Cabral acabral@maua.br Roteiro Desafio; Sistemas; O custo e o valor do controle de processo; Mapeamento; Principais indicadores usados

Leia mais

Os torneios disputar-se-ão, em sistema de campeonato, ao longo de cada. As inscrições deverão ser efetuadas online no site do colégio

Os torneios disputar-se-ão, em sistema de campeonato, ao longo de cada. As inscrições deverão ser efetuadas online no site do colégio Informações Gerais Os torneios disputar-se-ão, em sistema de campeonato, ao longo de cada período letivo. De acordo com o número de equipas participantes, poderá haver uma fase final em sistema de playoffs.

Leia mais

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: Jogos repetidos infinitamente Aula de hoje: Introdução a Teoria dos Jogos Evolucionária Dinâmica

Leia mais

XXIV OLIMPÍADA ECC 2013

XXIV OLIMPÍADA ECC 2013 XXIV OLIMPÍADA ECC 2013 CALENDÁRIO De 25/06 a 28/06 2013 Horário de 25/06 até 27/06-7h10 às18h30 28/06-7h10 às 13h00 VALORES QUE ACREDITAMOS VIVENCIAR Atitude Coragem Perseverança Compromisso Disciplina

Leia mais

Enunciados dos Exercícios Cap. 2 Russell & Norvig

Enunciados dos Exercícios Cap. 2 Russell & Norvig Enunciados dos Exercícios Cap. 2 Russell & Norvig 1. (2.2) Tanto a medida de desempenho quanto a função de utilidade medem o quanto um agente está desempenhando bem suas atividades. Explique a diferença

Leia mais

OFICINA DA PESQUISA PROGRAMAÇÃO APLICADA À CIÊNCIA DA COMPUTAÇÃO

OFICINA DA PESQUISA PROGRAMAÇÃO APLICADA À CIÊNCIA DA COMPUTAÇÃO OFICINA DA PESQUISA PROGRAMAÇÃO APLICADA À CIÊNCIA DA COMPUTAÇÃO Prof. Msc. Carlos José Giudice dos Santos carlos@oficinadapesquisa.com.br www.oficinadapesquisa.com.br IMPORTÂNCIA DO ESTUDO DAS LINGUAGENS

Leia mais

Normas I Torneio Inter- Freguesias de Voleibol do Nordeste (4x4)

Normas I Torneio Inter- Freguesias de Voleibol do Nordeste (4x4) Normas I Torneio Inter- Freguesias de Voleibol do Nordeste (4x4) CAPÍTULO I Instalações e Materiais Terreno de jogo - Cada campo terá 13 metros de comprimento por 6,5 metros de largura. 1) Linhas de marcação

Leia mais

Sistemas de Informação e Decisão. Douglas Farias Cordeiro

Sistemas de Informação e Decisão. Douglas Farias Cordeiro Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,

Leia mais

O USO DE MODELO PROBABILÍSTICO NA PREVISÃO DOS RESULTADOS DOS JOGOS DO CAMPEONATO BRASILEIRO DE 2006

O USO DE MODELO PROBABILÍSTICO NA PREVISÃO DOS RESULTADOS DOS JOGOS DO CAMPEONATO BRASILEIRO DE 2006 O USO DE ODELO PROBABILÍSTICO NA PREISÃO DOS RESULTADOS DOS JOGOS DO CAPEONATO BRASILEIRO DE 2006 1 Bolsista PBIC/UEG Gabriel Fernando Silva Pereira 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador

Leia mais

James Newman, ITF Participation Officer. Dave Miley, Diretor Executivo da ITF

James Newman, ITF Participation Officer. Dave Miley, Diretor Executivo da ITF 2013-2014 A competição para crianças não se centra na vitória a todo o custo, agressividade ou rivalidades. Deve incidir no desafio de jogar partidas e colocando as habilidades (skills) e perícias em prática

Leia mais

APLICAÇÃO DE EQUAÇÃO DO SEGUNDO GRAU COM MATERIAIS MANIPULÁVEIS: JOGO TRILHA DAS EQUAÇÕES

APLICAÇÃO DE EQUAÇÃO DO SEGUNDO GRAU COM MATERIAIS MANIPULÁVEIS: JOGO TRILHA DAS EQUAÇÕES APLICAÇÃO DE EQUAÇÃO DO SEGUNDO GRAU COM MATERIAIS MANIPULÁVEIS: JOGO TRILHA DAS EQUAÇÕES Rafael Pereira da Silva Universidade Estadual da Paraíba rafaelpereira.jt@hotmail.com Jailson Lourenço de Pontes

Leia mais

Técnicas para Implementação de Jogos

Técnicas para Implementação de Jogos Técnicas para Implementação de Jogos Solange O. Rezende Thiago A. S. Pardo Considerações gerais Aplicações atrativas para métodos de IA Formulação simples do problema (ações bem definidas) Ambiente acessível

Leia mais

REGRAS TRUCO GAUDÉRIO

REGRAS TRUCO GAUDÉRIO REGRAS TRUCO GAUDÉRIO Link: http://www.jogatina.com/regras-como-jogar-truco-gauderio.html O truco gaudério tem muitos praticantes no sul do Brasil. À primeira vista, parece um jogo complicado, mas não

Leia mais

Buscas Informadas ou Heurísticas - Parte II

Buscas Informadas ou Heurísticas - Parte II Buscas Informadas ou Heurísticas - Parte II Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 FUNÇÕES HEURÍSTICAS - 1/7 FUNÇÕES HEURÍSTICAS - 2/7 Solução

Leia mais

Potências e logaritmos, tudo a ver!

Potências e logaritmos, tudo a ver! Reforço escolar M ate mática Potências e logaritmos, tudo a ver! Dinâmica 2ª Série º Bimestre Professor DISCIPLINA SÉRIE CAMPO CONCEITO Matemática 2ª do Ensino Médio Algébrico simbólico Função Logarítmica

Leia mais

Potências e logaritmos, tudo a ver!

Potências e logaritmos, tudo a ver! Reforço escolar M ate mática Potências e logaritmos, tudo a ver! Dinâmica 1 2ª Série 1º Bimestre DISCIPLINA SÉRIE CAMPO CONCEITO Aluno Matemática 2ª do Ensino Médio Algébrico simbólico Função Logarítmica

Leia mais

Algoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008

Algoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.

Leia mais

Palavras-chave: TIC; experimento; espaço amostral; evento.

Palavras-chave: TIC; experimento; espaço amostral; evento. UMA INTRODUÇÃO À TEORIA DA PROBABILIDADE: O USO DE AULAS MULTIMÍDIAS COMO FACILITADOR DO PROCESSO ENSINO- APRENDIZAGEM Diánis Ferreira Irias dianis.irias@hotmail.com Laura Lima Dias laura_limadias@hotmail.com

Leia mais

O TREINO DOS GUARDA- REDES

O TREINO DOS GUARDA- REDES O TREINO DOS GUARDA- REDES Antes de mais deve ter-se em conta que os guarda-redes (GR) têm uma influência decisiva no jogo. No entanto, a maioria dos treinadores acaba por dedicar uma pequena percentagem

Leia mais

REGULAMENTO TÉCNICO FUTEBOL SOÇAITE

REGULAMENTO TÉCNICO FUTEBOL SOÇAITE REGULAMENTO TÉCNICO FUTEBOL SOÇAITE Art. 1º. O Critério de disputa está previsto no REGULAMENTO GERAL. Art.2º. Será realizado nos dias 21 a 23/04/2005, nas dependências do campus da Unemat. Art. 3º. É

Leia mais

Campeonato de Gamão. 1. Regras. 2. Servidor

Campeonato de Gamão. 1. Regras. 2. Servidor Campeonato de Gamão 1. Regras O campeonato de gamão será disputado de acordo com as regras tradicionais do jogo, facilmente encontradas na Internet. As duas cores tradicionais das pedras do jogo serão

Leia mais

Algoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto

Algoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca

Leia mais

JOGOS LIVRO REGRAS M AT E M Á T I CO S. 11.º Campeonato Nacional

JOGOS LIVRO REGRAS M AT E M Á T I CO S. 11.º Campeonato Nacional Vila Real JOGOS M AT E M Á T I CO S.º Campeonato Nacional LIVRO DE REGRAS Semáforo Autor: Alan Parr Material Um tabuleiro retangular por. 8 peças verdes, 8 amarelas e 8 vermelhas partilhadas pelos jogadores.

Leia mais

CONT.NÚM. 5 Funções de Contar no Excel

CONT.NÚM. 5 Funções de Contar no Excel Sabe-se que dentro do Excel existem diversas funções com o objetivo de facilitar a vida dos usuários. Seja simples cálculos matemáticos a complexas operações lógicas, as funções sempre auxiliam em diversos

Leia mais

CURSO DE GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO MATRIZ CURRICULAR MATUTINO Fase N.

CURSO DE GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO MATRIZ CURRICULAR MATUTINO Fase N. CURSO DE GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO MATRIZ CURRICULAR MATUTINO Fase N. Ordem Código COMPONENTE CURRICULAR Créditos Horas Prérequisitos 01 Introdução à informática 04 60 02 Matemática instrumental

Leia mais

Combinatória e Probabilidade

Combinatória e Probabilidade Combinatória e Probabilidade 1. (Enem) Considere o seguinte jogo de apostas: Numa cartela com 60 números disponíveis, um apostador escolhe de 6 a 10 números. Dentre os números disponíveis, serão sorteados

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

Jogos e Brincadeiras II

Jogos e Brincadeiras II Polos Olímpicos de Treinamento Curso de Combinatória - Nível 1 Prof. runo Holanda ula 2 Jogos e rincadeiras II Neste artigo continuaremos o assunto iniciado no material anterior. O primeiro exercício,

Leia mais

Manual básico de Go. MANUAL BÁSICO DE GO. Distribuição Gratuita.

Manual básico de Go. MANUAL BÁSICO DE GO. Distribuição Gratuita. MANUAL BÁSICO DE GO Distribuição Gratuita. Regras do GO: 1 As peças pretas começam a não ser que seja um jogo com handicap. 2 Os jogadores alternam suas jogadas, jogando-se uma peça por vez. 3 As peças

Leia mais

Grade Curricular do Curso de Graduação em Engenharia de Computação

Grade Curricular do Curso de Graduação em Engenharia de Computação Grade Curricular do Curso de Graduação em Engenharia de Computação Currículo 6 Aprovado pelo CDI em 30/05/16 - Carga Horária - Carga Horária Núcleo Básico 1.280h Carga Horária Núcleo Profissionalizante

Leia mais

DAMA DAS EQUAÇÕES DO 1º GRAU

DAMA DAS EQUAÇÕES DO 1º GRAU 1 DAMA DAS EQUAÇÕES DO 1º GRAU Resolver equações de 1 grau; Estimular o raciocínio. Duplas. Material (um para cada dupla): Tabuleiro8x8 com 64 casas. 64 peças. O jogo é composto por um tabuleiro 8x8 com

Leia mais

Foto 1: Jogo: Roda-Roda Equações

Foto 1: Jogo: Roda-Roda Equações Registro PIBID Matemática 2016 ELABORAÇÃO DE JOGOS DIDÁTICOS Foram elaborados Jogos didáticos envolvendo as equações do 2º grau colaborativamente com os alunos do nono ano da escola participante EELAS.

Leia mais

Agentes Inteligentes. Módulo 02 27/02/2013. Inteligência Artificial. Profª Hemilis Joyse

Agentes Inteligentes. Módulo 02 27/02/2013. Inteligência Artificial. Profª Hemilis Joyse Agentes Inteligentes Módulo 02 1 Agente É tudo que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores. 2 Agente Tabela parcial

Leia mais

1. Introdução. 1.1.Objetivo

1. Introdução. 1.1.Objetivo 1. Introdução 1.1.Objetivo O objetivo desta dissertação é desenvolver um sistema de controle por aprendizado acelerado e Neuro-Fuzzy baseado em técnicas de inteligência computacional para sistemas servo-hidráulicos

Leia mais

O USO DE JOGOS NAS AULAS DE MATEMÁTICA: TRABALHANDO COM AS OPERAÇÕES COM NÚMEROS NATURAIS E INTEIROS

O USO DE JOGOS NAS AULAS DE MATEMÁTICA: TRABALHANDO COM AS OPERAÇÕES COM NÚMEROS NATURAIS E INTEIROS na Contemporaneidade: desafios e possibilidades O USO DE JOGOS NAS AULAS DE MATEMÁTICA: TRABALHANDO COM AS OPERAÇÕES COM NÚMEROS NATURAIS E INTEIROS José Márcio da Silva Ramos Diniz Universidade Estadual

Leia mais

EXERCICIOS SOBRE: TEORIA DO PRODUTOR VIII Teoria da produção (analise em período curto)

EXERCICIOS SOBRE: TEORIA DO PRODUTOR VIII Teoria da produção (analise em período curto) EXERCICIOS SOBRE: TEORIA DO PRODUTOR VIII Teoria da produção (analise em período curto) Exercício Nº 1 Defina e caracterize os seguintes conceitos: a) Função produção É uma relação técnica entre os factores

Leia mais

INF INTELIGÊNCIA ARTIFICIAL TRABALHO 1 BUSCA HEURÍSTICA

INF INTELIGÊNCIA ARTIFICIAL TRABALHO 1 BUSCA HEURÍSTICA INF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 1 BUSCA HEURÍSTICA Descrição: A Barbie é a garota mais linda e popular do Mundo da Barbie! Porém, o que poucos sabem, é que a Barbie também é uma excelente programadora!

Leia mais

REGULAMENTO ESPECÍFICO - VOLEIBOL -

REGULAMENTO ESPECÍFICO - VOLEIBOL - REGULAMENTO ESPECÍFICO - VOLEIBOL - INTRODUÇÃO Este Regulamento aplica-se a todas as competições de Voleibol realizadas no âmbito dos XXIV Jogos Nacionais Salesianos, em conformidade com o estipulado no

Leia mais

O peão Se um peão consegue chegar até a outra extremidade do tabuleiro(linha 8), ele é promovido. Um peão promovido é substituído, ainda na mesma jogada em que o movimento foi feito, por um cavalo, bispo,torreoudamadamesmacor.

Leia mais

BINGO DOS POLINÔMIOS. Apresentação: Jogo matemático

BINGO DOS POLINÔMIOS. Apresentação: Jogo matemático BINGO DOS POLINÔMIOS Apresentação: Jogo matemático Gabriel Jorge dos Santos 1 ; Jorge Luiz de Freitas 2 ; Sara Katiana Vieira da Silva 3 ; Taíse Barbosa Santos 4 Introdução Este jogo é voltado para a educação

Leia mais

Universidade dos Açores Campus de angra do Heroísmo Ano Letivo: 2013/2014 Disciplina: Aplicações da Matemática Docente: Ricardo Teixeira 3º Ano de

Universidade dos Açores Campus de angra do Heroísmo Ano Letivo: 2013/2014 Disciplina: Aplicações da Matemática Docente: Ricardo Teixeira 3º Ano de Universidade dos Açores Campus de angra do Heroísmo Ano Letivo: 2013/2014 Disciplina: Aplicações da Matemática Docente: Ricardo Teixeira 3º Ano de Licenciatura em Educação Básica - 1º Semestre O jogo é

Leia mais

DESCRIÇÃO DAS ATIVIDADES:

DESCRIÇÃO DAS ATIVIDADES: DESCRIÇÃO DAS ATIVIDADES: 1) O JOGO DOS PALITOS E A PROBABILIDADE: esta sequência didática apresentada aos anos iniciais (1º/5º ano) do Ensino Fundamental tem como objetivo possibilitar conhecimentos das

Leia mais

HEITOR AUGUSTO S. FERREIRA MARIANA SILVA INÁCIO THAIS SEIDEL TEORIA DOS JOGOS

HEITOR AUGUSTO S. FERREIRA MARIANA SILVA INÁCIO THAIS SEIDEL TEORIA DOS JOGOS HEITOR AUGUSTO S. FERREIRA MARIANA SILVA INÁCIO THAIS SEIDEL TEORIA DOS JOGOS Trabalho apresentado à disciplina de Teoria das Relações Internacionais. Curso de Graduação em Relações Internacionais, turma

Leia mais

Ministério de Juniores e Adolescentes. JUNAD nos JOGOS

Ministério de Juniores e Adolescentes. JUNAD nos JOGOS REGULAMENTO GERAL: Ministério de Juniores e Adolescentes O regulamento tem a função de orientar os participantes e a equipe que está executando as atividades do evento. Participantes de outras igrejas,

Leia mais

Jogo King Relatório da Melhoria do Trabalho Inteligência Artificial. Tiago Fonseca, ei02100

Jogo King Relatório da Melhoria do Trabalho Inteligência Artificial. Tiago Fonseca, ei02100 Jogo King Relatório da Melhoria do Trabalho Inteligência Artificial Tiago Fonseca, ei02100 19 de Julho de 2005 Resumo Conteúdo 1 Introdução 3 1.1 Objectivo................................... 3 1.2 Motivação...................................

Leia mais

PROBABILIDADE E ESTATÍSTICA. Aula 2 Professor Regina Meyer Branski

PROBABILIDADE E ESTATÍSTICA. Aula 2 Professor Regina Meyer Branski PROBABILIDADE E ESTATÍSTICA Aula 2 Professor Regina Meyer Branski Probabilidade 1. Conceitos básicos de probabilidade 2. Probabilidade condicional 3. Eventos Dependentes e Independentes 4. Regra da Multiplicação

Leia mais

Alternativamente pode ser pensado como uma forma de maximizar o minimo ganho possível.

Alternativamente pode ser pensado como uma forma de maximizar o minimo ganho possível. Inteligência Artificial Algoritmo i com cortes Alfa-Beta Ana Saraiva 050509087 Ana Barbosa 050509089 Marco Cunha 050509048 Tiago Fernandes 050509081 FEUP - MIEIC 3ºAno/ºSemestre 1 Introdução O algoritmo

Leia mais

Inteligência Artificial. Conceitos Gerais

Inteligência Artificial. Conceitos Gerais Inteligência Artificial Conceitos Gerais Inteligência Artificial - IA IA é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento.

Leia mais

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas

Leia mais

MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL FARROUPILHA CAMPUS ALEGRETE PIBID

MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL FARROUPILHA CAMPUS ALEGRETE PIBID PROPOSTA DIDÁTICA 1. Dados de Identificação 1.1 Nome do bolsista: Bianca Bitencourt da Silva 1.2 Público alvo: Alunos de 7º a 9º ano e Magistério 1.3 Duração: 2 aulas de 2 h e 30 min cada 1.4 Conteúdo

Leia mais

O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV

O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV Um conceito simples e útil mas que não é normalmente explorado no Ensino Fundamental no Brasil é o de valor esperado

Leia mais

Introdução. O cenário:

Introdução. O cenário: Introdução O Beer Game (Jogo da Cerveja) é um jogo de simulação desenvolvido no MIT (Massachusetts Institute of Technology) na década de 60 com o objetivo de apresentar as vantagens de se utilizar uma

Leia mais

3 Redes Neurais Artificiais

3 Redes Neurais Artificiais 3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida

Leia mais

QUINA: Novos Preços (Maio/2015)

QUINA: Novos Preços (Maio/2015) QUINA: Novos Preços (Maio/2015) QUINA: Novas Combinações 1. Mudanças na Quina em 24/Maio/2015 Em 24/05/2015, a Quina sofreu alterações nos Preços das Apostas : Os custos foram corrigidos: Aposta de 7 Dezenas...

Leia mais

EducaTrans: um Jogo Educativo para o Aprendizado do Trânsito

EducaTrans: um Jogo Educativo para o Aprendizado do Trânsito EducaTrans: um Jogo Educativo para o Aprendizado do Trânsito Gilda Aparecida. de Assis Irene K. Ficheman Ana Grasielle Dionísio Corrêa Márcio Lobo Netto Roseli de Deus Lopes VIII Ciclo de Palestras Novas

Leia mais

Introdução à Ciência da Computação

Introdução à Ciência da Computação 1 Universidade Federal Fluminense Campus de Rio das Ostras Curso de Ciência da Computação Introdução à Ciência da Computação Professor: Leandro Soares de Sousa e-mail: leandro.uff.puro@gmail.com site:

Leia mais

ANÁLISE DE PADRÕES DE INTERFACE HUMANO COMPUTADOR NO MINDSTORMS NXT.

ANÁLISE DE PADRÕES DE INTERFACE HUMANO COMPUTADOR NO MINDSTORMS NXT. ANÁLISE DE PADRÕES DE INTERFACE HUMANO COMPUTADOR NO MINDSTORMS NXT. Giovanna Schimomukai (PIBIC Jr./Fundação Araucária - UTFPR), Adriana Herden (Orientadora), Marcos Banheti Rabello Vallim (Colaborador)

Leia mais

Filtro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento

Filtro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento www.mudancasabruptas.com.br A História da Filtragem de Sinais 930 940 960 Filtro

Leia mais