VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO

Tamanho: px
Começar a partir da página:

Download "VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO"

Transcrição

1 VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO LONDRINA PR 2013

2

3 VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO Trabalho de Conclusão de Curso apresentado ao curso de Bacharelado em Ciência da Computação da Universidade Estadual de Londrina para obtenção do título de Bacharel em Ciência da Computação. Orientador: Profa. Ms. Helen Cristina de M. Senefonte LONDRINA PR 2013

4 QUAGLIO, V. G.. Técnicas de Inteligência Artificial aplicadas ao Jogo Othello: Um estudo comparativo. 31 p. Trabalho de Conclusão de Curso (Graduação). Bacharelado em Ciência da Computação Universidade Estadual de Londrina, RESUMO Othello é um jogo determinístico soma-zero de dois jogadores com informação perfeita, jogado em um tabuleiro 8 X 8. Este trabalho ter por objetivo implementar um agente inteligente jogador de Othello, a fim de investigar o uso e desempenho de técnicas de inteligência artificial aplicadas à jogos, disponibilizando um estudo comparativo prático para futuros testes de agentes inteligentes de jogos. Para realizar este estudo, algumas técnicas serão implementadas e observadas durante jogos, extraindo assim informações sobre estas. Palavras-chave: othello. inteligência artificial. q-learning.

5 QUAGLIO, V. G.. Artificial Intelligence techniques applied to the Othello game: a comparative study. 31 p. Final Project (Undergraduation). Bachelor of Science in Computer Science State University of Londrina, ABSTRACT Othello is a deterministic zero-sum game of two players with perfect information, played on a board 8 X 8. This work aims to implement an intelligent agent player Othello in order to investigate the use and performance of artificial intelligence techniques applied to games, providing a comparative study for future practical tests of intelligent agents games. To conduct this study, some techniques are implemented and observed during games, thereby extracting information about these. Keywords: othello. artificial intelligence. q-learning.

6

7 LISTA DE ILUSTRAÇÕES Figura 1 Início da Árvore de Jogo 8-puzzle Figura 2 Aprendizado por Reforço Figura 3 Configuração Inicial do Otthelo Figura 4 Ambiente Padrão Othello

8

9 LISTA DE TABELAS Tabela 1 Avanços em Programas para Othello

10

11 LISTA DE ABREVIATURAS E SIGLAS IA Inteligência Artificial

12

13 SUMÁRIO Introdução Fundamentação Teórica Inteligência Artificial em Jogos Árvores de Jogos Algoritmo Minimax Algoritmo Poda Alfa-Beta Aprendizado de Máquina Aprendizado Supervisionado Aprendizado Não Supervisionado Aprendizado por Reforço O Jogo Othello Regras Othello e IA Ambiente Othello e técnicas de Inteligência Artificial Ambiente Padrão Othello MiniMax Jogador Artificial de Teste Resultados Próximas Etapas Poda Alpha-Beta Q-Learning Competições Análise dos Resultados Considerações Finais Referências

14

15 13 INTRODUÇÃO Em meados do século anterior, começaram as primeiras tentativas científicas para inventar máquinas inteligentes [1]. Entre os pioneiros, estão Shannon [2] que, em seu artigo de 1950, propõe um programa capaz de jogar xadrez, Turing [3] em 1953 também abordou xadrez e busca em árvore de jogos. Desde então, jogos populares em todo mundo como Xadrez, Damas, Othello, Go, Poker, entre outros, têm sido alvo de pesquisas em Inteligência Artificial, sempre no intuito de superar a supremacia humana [1]. Othello é um jogo de dois jogadores, com um tabuleiro 8 x 8 e 64 discos que são brancos de um lado e pretos no outro. Em cada movimento, o jogador deve necessariamente fazer com que pelo menos uma peça adversária seja cercada dos dois lados pelas suas peças, transformando a peça cercada em peça própria. O objetivo é terminar o jogo possuindo maior número de peças que o adversário. Esse trabalho tem como objetivo investigar o uso de técnicas de inteligência artificial aplicada à jogos, realizando um estudo comparativo através de implementações e testes práticos no jogo Othello. No Capítulo 1 são descritos os principais conceitos de Inteligência artificial aplicada à jogos, características e funcionamento do jogo Othello bem como os avanços da área de IA relacionados ao Othello. No Capítulo 2 é descrita a evolução do trabalho até o momento e no Capítulo 3 são apresentadas os primeiros resultados. As próximas etapas e Considerações Finais se encontram nos Capítulos 4 e 5, respectivamente, e por fim, as referências bibliográficas.

16

17 15 1 FUNDAMENTAÇÃO TEÓRICA 1.1 INTELIGÊNCIA ARTIFICIAL EM JOGOS Uma das primeiras tarefas empreendidas em Inteligência Artificial (IA) foi a participação em jogos [4]. Por anos tem sido um tópico fascinante para IA, rendendo, nas últimas duas décadas, grandes avanços em jogos clássicos de tabuleiro [5]. De acordo com Mandziuk [5], algumas questões ainda podem ser exploradas, na área de IA em relação aos jogos, tais como: A implementação de mecanismos autônomos capazes de descobrir conhecimento com o propósito de criar novas estratégias de jogo; A melhoria do comportamento do jogador artificial baseado apenas no conhecimento obtido através de jogos anteriores; E a implementação de mecanismos que simulem a intuição humana. O objetivo final, no uso de técnicas de IA em jogos é a construção de um agente jogador de vários jogos, verdadeiramente autônomo, como o ser humano [5]. As diversas técnicas de IA aplicadas em jogos podem variar e apresentar desempenhos diferentes de acordo com as características do problema. Por exemplo, considerando a classe dos jogos com dois jogadores, em que um faz o primeiro movimento, seguido do outro jogador, e revezam-se até o jogo terminar, Russell e Norvig [4] definem um jogo como um problema de busca com os componentes a seguir: Estado Inicial - Determina a posição das peças no tabuleiro e o jogador que fará o movimento inicial. Função Sucessor - Retorna uma lista de pares com as ações válidas e o respectivo estado resultante. Teste de Término - Indica quando o jogo acabou. Estados terminais são os estados onde o jogo é encerrado. Função Utilidade - Retorna o resultado do jogo. Pode ser vitória, derrota ou empate em alguns jogos. Mas existem outros com mais variedade de resultados. Através destes componentes é possível construir uma árvore, estrutura de dados comumente utilizada para representar o conjunto de estados de um jogo.

18 16 Capítulo 1. Fundamentação Teórica Árvores de Jogos A configuração inicial e os movimentos válidos para dois jogadores definem uma árvore, em que as folhas são os estados terminais e a raiz é o estado inicial. Essa árvore é chamada árvore do jogo. Os dois jogadores podem ser chamados de MIN e MAX 1, sendo que o último faz o primeiro movimento e prosseguem com turnos alternados. Cada folha possui um valor associado que representa o resultado do jogo pelo ponto de vista de MAX. [4] Na figura 1, são mostrados os primeiros níveis da árvore de jogo do quebra cabeça 8-puzzle, que consiste em um jogo de tabuleiro com blocos deslizáveis. O objetivo do jogo é mover as peças a partir de um estado inicial até que esteja em seu estado final e só é possível deslizar o bloco vazio. Figura 1 Início da Árvore de Jogo 8-puzzle. Uma estratégia ótima é aquela em que o estado terminal alcançado represente um estado objetivo, uma vitória. Portanto, para o jogo, a estratégia deve especificar o movimento inicial de MAX e seus movimentos seguintes a cada possível resposta de MIN. [4] O valor minimax em cada nó, dada uma árvore de jogo, é a utilidade de se encontrar no estado que leve ao melhor estado final, ou seja, uma pontuação. Através do valor minimax é possível definir uma estratégia ótima Algoritmo Minimax O algoritmo minimax utiliza computação recursiva dos valores de minimax de cada estado sucessor para calcular a decisão minimax a partir do estado corrente [4]. A estratégia é, em cada nível da árvore, tentar maximizar a pontuação do jogo (para 1 O motivo dos nomes MIN e MAX dos jogadores ficarão mais claros na seção

19 1.1. Inteligência Artificial em Jogos 17 MAX) e minimizar a pontuação do adversário (MIN). Por isso, o algoritmo é denominado MiniMax. O algoritmo percorre em profundidade a árvore completa do jogo. A complexidade de tempo é O(b m ), onde m é a profundidade máxima e b o número de movimentos válidos em cada ponto. [4] O código do Minimax é apresentado no Algoritmo 1. Algoritmo 1: MiniMax begin minimax (no_corrente) if ehfolha(no_corrente) then return pontuacao(no_corrente); end if ehnomin(no_corrente) then return min(minimax(filhosde(no_corrente))); end if ehnomax(no_corrente) then return max(minimax(filhosde(no_corrente))); end end Apesar da utilização do algoritmo MiniMax garantir a estratégia ótima, a busca pela árvore completa do jogo pode não ser viável para a maioria dos jogos, pois o número de estados que a busca tem que examinar é exponencial em relação ao número de movimentos Algoritmo Poda Alfa-Beta Através da poda alfa-beta, é possível tornar a busca por um bom movimento mais eficiente removendo seções da árvore de jogo que não compensam examinar [6], ou seja, aquelas seções onde sabemos que o melhor movimento já não pode mais ser encontrado. Esse artifício pode reduzir o expoente de tempo do algoritmo MiniMax, retornando o mesmo movimento [4]. Segundo Coppin [6], o algoritmo é implementado da seguinte forma: A árvore de jogo é percorrida em profundidade. Para cada nó que não seja um folha, é armazenado um valor, chamado α para nós Max e β para nós Min. α é o valor máximo encontrado até o momento entre os descendentes dos nós Max β é o valor mínimo encontrado até o momento entre os descendentes dos nós Min Os parâmetros α e β dão nome à técnica, que atualiza os valores de α e β e encerra a chamada recursiva de um nó corrente se o valor deste for pior que o valor de α para Max ou pior que β para Min [4].

20 18 Capítulo 1. Fundamentação Teórica O código pode ser encontrado no Algoritmo 2. Algoritmo 2: Poda Alfa Beta begin alfabeta (no_corrente, alfa, beta) if ehraiz(no_corrente) then alfa = ; beta = ; end if ehfolha(no_corrente) then return pontuacao(no_corrente) end if ehnomax(no_corrente) then alfa = max(alfa, alfabeta(filhos, alfa, beta)); if alfa >= beta then cortarbuscaabaixo(no_corrente); end end if ehnomin(no_corrente) then beta = min(beta, alfabeta(filhos, alfa, beta)); if beta <= alfa then cortarbuscaabaixo(no_corrente); end end end 1.2 APRENDIZADO DE MÁQUINA O objetivo do aprendizado é que o agente utilize as percepções ou interações com o ambiente para, além de agir ou tomar decisões, melhorar sua habilidade de realizar essas atividades no futuro. O aprendizado pode variar desde a memorização trivial da experiência até a criação de teorias científicas inteiras. [4] O aprendizado de máquina é útil quando não é possível ou não é viável descrever detalhadamente todo o ambiente e decisões do agente. [4] A adaptação do jogo para ações do jogador e a capacidade de um personagem do jogo melhorar de acordo com a experiência são alguns benefícios ou razões para a utilização do aprendizado de máquina em jogos. Em alguns problemas de aprendizado de máquina, a tarefa é aprender a classificar entradas, para isso, o sistema de aprendizado possui um conjunto de dados de treinamento. Então, a partir dos dados de treinamento, o sistema tenta aprender a classificar estes mesmos dados e também novos dados não observados. [6] O aprendizado de máquina normalmente é classificada de três formas: aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço. [4] A

21 1.2. Aprendizado de Máquina 19 investigação inicial deste trabalho será no contexto do aprendizado por reforço Aprendizado Supervisionado Aprendizado supervisionado consiste na aprendizagem de uma função a partir de exemplos de entradas e saídas. Em ambientes completamente observáveis, o agente poderá observar os efeitos causados por suas ações, e poderá utilizar métodos de aprendizado supervisionado para aprender a prevê-los. Em ambientes parcialmente observáveis, os efeitos imediatos podem não ser visualizados pelo agente, dificultando o problema. [4] Alguns exemplos de utilização são o diagnóstico de casos médicos e a avaliação de risco de crédito de candidatos a empréstimos Aprendizado Não Supervisionado No aprendizado não supervisionado, o problema consiste em aprender padrões quando não são fornecidos valores de saídas específicos, ou seja, os métodos de aprendizado não supervisionado aprendem sem a intervenção de um supervisor. [6, 4] Um exemplo é o mapa de Kohonen, uma rede neural capaz de aprender a classificar um conjunto de dados de entrada sem receber dados de treinamento e sem ter conhecimento de quais são as classificações. [6] Aprendizado por Reforço No aprendizado por reforço (AR), o agente observa o ambiente e toma uma ação. O ambiente então responde com um reforço e segue para um próximo estado. Em seguida, com o ambiente em um novo estado, o agente deve tomar outra ação, recebendo do ambiente outro reforço, e assim segue o ciclo. A tarefa do agente é aprender de acordo com os reforços recebidos. [7] A Figura 2 exemplifica este processo. O reforço é uma medida de desempenho utilizado para avaliar a qualidade da ação realizada pelo agente. Este pode ser positivo ou negativo, conhecido também como recompensa ou punição, respectivamente. [8] De acordo com [8], os principais elementos do aprendizado por reforço são: Agente - é a entidade que percebe o mundo à sua volta, aprende e decide qual ação tomar em cada estado. Ambiente - tudo que é exterior ao agente. Reforço - é a medida de desempenho dada ao agente em forma de punição ou recompensa por executar um ação.

22 20 Capítulo 1. Fundamentação Teórica Figura 2 Aprendizado por Reforço. Estado - representa o ambiente em determinado instante. Ação - ato realizado pelo agente. Um exemplo de algoritmo de AR é o Q-learning, utilizado por um agente aprendiz para qualificar pares estado-ação de acordo com o objetivo do agente. Esta qualificação é atualizada a cada iteração com o ambiente. [8] 1.3 O JOGO OTHELLO Othello é um jogo de tabuleiro determinístico soma-zero de dois jogadores com informação perfeita [9]. Um jogo soma-zero é aquele em que o placar final para cada jogar pode ser uma vitória, derrota ou empate. Jogos com informação perfeita são aqueles em que é possível visualizar completamente o estado do jogo, diferente de jogos como o pôquer onde os jogadores escondem informações de seus oponentes. [6] Regras Othello é jogado em um tabuleiro 8 x 8 com 64 discos que são brancos de um lado e pretos no outro. Enquanto um jogador coloca os discos no lado branco, o outro coloca no lado preto.[7] O jogo se inicia com dois discos de cada cor, assim como na Figura 3. Em cada movimento, o jogador deve necessariamente fazer com que pelo menos uma peça adversária seja cercada dos dois lados pelas suas peças. As peças adversárias cercadas são transformadas em peças próprias. O objetivo dos jogadores nesse jogo é deixar no tabuleiro o maior número de fichas com sua cor. 1.4 OTHELLO E IA Em 1997, o então campeão mundial Takeshi Murakami foi derrotado pelo programa de Michael Buro, o Logistello. Em seu discurso durante o evento, o Sr. Murakami disse

23 1.4. Othello e IA 21 Figura 3 Configuração Inicial do Otthelo. que não se sentiu em uma partida contra um simples programa de computador, mas sim contra gerações de engenheiros e matemáticos. [10] Buro [11], em 2002, descreve a evolução dos principais programas de Othelo, desde simples algoritmos até sistemas de aprendizado que superaram a habilidade humana de jogar. A tabela 1 sintetiza os avanços descritos por Buro. Ano Programa Característica 1982 Iago Função de avaliação manual 1990 Bill Padrão baseado em partes, utilização de pesos 1994 Logistello 1 Aprendizagem independente de valores padrão 1997 Logistello 2 Aprendizagem conjunta de valores padrão Tabela 1 Avanços em Programas para Othello Gunawan et al [12] publicaram em 2012, um trabalho sobre Othello que une Redes Neurais e Algoritmos Genéticos formando Redes Neurais Evolutivas. Redes Neurais também podem ser encontradas em [9]. O uso do aprendizado por reforço no jogo othello é abordado por Eck e Wezel [7], em 2008 e por Kim et al [13] em Estudo comparativo de dois algoritmos de aprendizado para aquisição de funções de avaliação para o jogo Othello pode ser encontrado em [14], de 2006.

24

25 23 2 AMBIENTE OTHELLO E TÉCNICAS DE IN- TELIGÊNCIA ARTIFICIAL 2.1 AMBIENTE PADRÃO OTHELLO Desenvolvido utilizando a linguagem Java, o ambiente padrão Othello tem sua lógica principal na classe "Tabuleiro", onde o tabuleiro propriamente dito é uma matriz 8 x 8 que, em cada posição, existe uma instância da classe "Casa", esta podendo estar nos estados "Vazio", "Disponível", "Branco"ou "Preto". O ambiente padrão Othello durante uma partida é mostrado na figura 4. Figura 4 Ambiente Padrão Othello. Só é permitido executar um movimento se a casa onde pretende-se jogar estiver no estado "Disponível", portanto, é possível afirmar que todas as jogadas executadas são

26 24 Capítulo 2. Ambiente Othello e técnicas de Inteligência Artificial válidas. Feito um movimento, a primeira rotina é a de captura que, a partir da casa onde o movimento foi realizado, percorre o tabuleiro em todos os sentidos e direções à procura de uma casa com o disco da mesma cor que a do jogador atual. Ao encontrar uma casa com um disco do jogador adversário, a busca continua, ao encontrar uma casa com um disco do jogador atual, todas as casas que possuiam discos adversários entre essa casa e a casa de partida passam a ser do jogador atual e, ao encontrar uma casa vazia ou a borda do tabuleiro, a busca pára nessa direção e começa a próxima busca. Ao todo são oito buscas, sendo estas: para direita, esquerda, para cima, para baixo, para diagonal superior direita, diagonal superior esquerda, diagonal inferior direita e diagonal inferior esquerda. Após a conclusão da captura, é feita a verificação de casas disponíveis para o próximo movimento. Para cada casa vazia do tabuleiro são feitas buscas similares à de captura, marcando a casa como disponível se na próxima jogada um movimento nessa casa capture alguma peça adversária. Se no tabuleiro não houver nenhuma casa disponível, o jogador perderá a vez e a verificação é feita novamente. Se não houver nenhuma casa disponível mais uma vez, o jogo acabou e vence o jogador que possuir mais discos no tabuleiro. Para um jogador humano, é possivel executar uma jogada clicando em uma casa disponível, onde será disparado um evento que ativará a lógica do jogo. Os jogadores artificiais são executados em threads, e ficam esperando sua vez para realizar um movimento. 2.2 MINIMAX O algoritmo MiniMax foi implementado e também um jogador que o utiliza em todas as rodadas. Como o algoritmo em si retorna apenas a pontuação de um movimento, nesse caso representado pelo número de discos da cor do jogador, foi desenvolvida também uma função que verifica todas as jogadas disponíveis e chama o MiniMax para cada uma delas, comparando e escolhendo a jogada de maior pontuação. Esta técnia está praticamente pronta, passando por últimos ajustes. 2.3 JOGADOR ARTIFICIAL DE TESTE Com o objetivo de testar os algoritmos que estão sendo implementados sem a necessidade da intervenção humana, foi desenvolvido um jogador de teste que, simplesmente executa uma jogada aleatória dentre as jogodas disponíveis.

27 25 3 RESULTADOS Já é possível observar os primeiros resultados deste trabalho. Com o ambiente padrão Othello pronto e três possíveis jogadores, sendo estes, o jogador de teste, o jogador minimax e o próprio jogador humano, já foram travadas algumas competições. O algoritmo MiniMax em alguns momentos não conseguiu terminar a partida por falta de memória, apesar de não estar concluído, já é notado seu alto custo. O número de estados que tem que examinar é exponencial em relação ao número de movimentos, comprometendo o funcionamento do algoritmo para jogos com amplo número de movimentos possíveis.

28

29 27 4 PRÓXIMAS ETAPAS 4.1 PODA ALPHA-BETA Como a poda Alpha-Beta é uma modificação do MiniMax, assim que este último for concluído, inicia-se a implementação da poda Alpha-Beta. 4.2 Q-LEARNING Ainda pretende-se utilizar uma técnica de aprendizado de máquina no estudo comparativo: O Q-Learning. Este algoritmo de aprendizado por reforço será implementado logo após a pode Alpha-Beta. 4.3 COMPETIÇÕES A fim de comparar desempenhos, serão promovidas competições entre as técnicas implementadas, além da geração de gráficos e tabelas com informações relevantes para as comparações, assim como tempo de resposta, número de movimentos, número de peças capturadas, entre outros. 4.4 ANÁLISE DOS RESULTADOS Após todas informações levantadas, serão feitas as análises, considerações, conclusões e elaboração de artigo científico.

30

31 29 5 CONSIDERAÇÕES FINAIS Durante o desenvolvimento do ambiente padrão Othello houve uma dificuldade com sincronização, pois para executar um movimento era necessário clicar na casa e ativar um evento que executaria a jogada, mas um evento iniciava antes que o outro terminasse, fazendo uma leitura errada de qual era o jogador da vez. Essa dificuldade foi superada com algumas verificações a mais, não sendo necessário até o momento o uso de semáforos. Também houve dificuldade em analisar o funcionamento do algoritmo minimax devido à grande ramificação e profundidade da árvore de jogo do Othelo.

32

33 31 REFERÊNCIAS 1 MANDZIUK, J. Computational intelligence in mind games. In: Challenges for Computational Intelligence. [S.l.: s.n.], p SHANNON, C. E. XXII. Programming a computer for playing chess. Philosophical Magazine (Series 7), Taylor & Francis, v. 41, n. 314, p , TURING, A. M. Digital computers applied to games. Faster than thought: a symposium on digital computing machines, ed. B. V. Bowden, Pitman, London, UK, RUSSELL, S.; NORVIG, P. Inteligência Artificial. Elsevier, MANDZIUK, J. Some thoughts on using computational intelligence methods in classical mind board games. In: Neural Networks, IJCNN (IEEE World Congress on Computational Intelligence). IEEE International Joint Conference on. [S.l.: s.n.], p ISSN COPPIN, B. Inteligência Artificial. [S.l.]: LTC, ISBN ECK, N. J. van; WEZEL, M. van. Application of reinforcement learning to the game of othello. Computers & Operations Research, v. 35, n. 6, p , Part Special Issue: OR Applications in the Military and in Counter-Terrorism. 8 SENEFONTE, H. C. M. Aceleração do aprendizado por reforço em sistemas com múltiplos objetivos. Dissertação (Mestrado) Instituto Tecnológico de Aeronáutica, ITA, CHONG, S.; TAN, M.; WHITE, J. Observing the evolution of neural networks learning to play the game of othello. Evolutionary Computation, IEEE Transactions on, v. 9, n. 3, p , june ISSN X. 10 BURO, M. Takeshi murakami vs. logistello. ICCA Journal 20(3), p , BURO, M. The evolution of strong othello programs. In: IWEC-2002 Workshop on Entertainment Computing. [S.l.: s.n.], GUNAWAN et al. Evolutionary neural network for othello game. Procedia - Social and Behavioral Sciences, v. 57, n. 0, p , International Conference on Asia Pacific Business Innovation and Technology Management. 13 KIM, K.-J.; CHOI, H.; CHO, S.-B. Hybrid of evolution and reinforcement learning for othello players. In: Computational Intelligence and Games, CIG IEEE Symposium on. [S.l.: s.n.], p LUCAS, S.; RUNARSSON, T. Temporal difference learning versus co-evolution for acquiring othello position evaluation. In: Computational Intelligence and Games, 2006 IEEE Symposium on. [S.l.: s.n.], p

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA: Busca Competitiva Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução Árvores de Jogos Minimax Antecipação Limitada Poda Alfa-beta Introdução Jogos têm sido continuamente uma importante

Leia mais

TEORIA DOS JOGOS E APRENDIZADO

TEORIA DOS JOGOS E APRENDIZADO TEORIA DOS JOGOS E APRENDIZADO DE MÁQUINA Estudos Iniciais André Filipe de Moraes Batista Disciplina de Aprendizagem de Máquina UFABC 2010 TEORIA DOS JOGOS Ramo da matemática aplicada estuda situações

Leia mais

VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO

VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO OTHELLO: UM ESTUDO COMPARATIVO LONDRINA PR 2013 VINÍCIUS GOMES QUAGLIO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS AO JOGO

Leia mais

Jogo de Tabuleiro - Mancala Relatório Final

Jogo de Tabuleiro - Mancala Relatório Final Jogo de Tabuleiro - Mancala Relatório Final Inteligência Artificial 3º ano do Mestrado Integrado em Engenharia Informática e Computação Elementos do Grupo: Bruno Lima 080509068 bruno.lima@fe.up.pt Pedro

Leia mais

Trabalho de Implementação Jogo Reversi

Trabalho de Implementação Jogo Reversi Trabalho de Implementação Jogo Reversi Paulo Afonso Parreira Júnior {paulojr@comp.ufla.br} Rilson Machado de Olivera {rilson@comp.ufla.br} Universidade Federal de Lavras UFLA Departamento de Ciência da

Leia mais

Jogos - aula 2. Xadrez chinês. Exemplo de função de avaliação:

Jogos - aula 2. Xadrez chinês. Exemplo de função de avaliação: Exemplo de jogo: Xadrez chinês Jogos - aula 2 Função de avaliação? Prof. Luis Otavio Alvares 1 2 Xadrez chinês Ligue 4 Exemplo de função de avaliação: o valor das peças é de acordo com a sua posição: 12

Leia mais

INFLUÊNCIA DOS JOGOS NO CAMPO DA INTELIGÊNCIA ARTIFICIAL

INFLUÊNCIA DOS JOGOS NO CAMPO DA INTELIGÊNCIA ARTIFICIAL INFLUÊNCIA DOS JOGOS NO CAMPO DA INTELIGÊNCIA ARTIFICIAL Marcelo de Souza 1 bsi.marcelo@gmail.com Prof. Adilson Vahldick, Inteligência Artificial RESUMO: O desenvolvimento de jogos é um campo que atrai

Leia mais

Jogos de Tabuleiro e Busca Competitiva

Jogos de Tabuleiro e Busca Competitiva Jogos de Tabuleiro e Busca Competitiva Fabrício Jailson Barth BandTec Março de 2012 Sumário Características e Exemplos Histórico Árvore de busca Avaliação Estática Algoritmo Min Max Poda Alpha Beta Questões

Leia mais

Jogos - aula 2. Prof. Luis Otavio Alvares II / UFRGS

Jogos - aula 2. Prof. Luis Otavio Alvares II / UFRGS Jogos - aula 2 Prof. Luis Otavio Alvares II / UFRGS 1 Função de avaliação: Xadrez chines 2 Xadrez chinês Exemplo de função de avaliação: o valor das peças é de acordo com a sua posição: 12 para a última

Leia mais

Jogos de Tabuleiro e Busca Competitiva

Jogos de Tabuleiro e Busca Competitiva Jogos de Tabuleiro e Busca Competitiva Fabrício Jailson Barth Curso de Ciência da Computação Centro Universitário SENAC Maio de 2008 Sumário Características e Exemplos Histórico Árvore de busca Avaliação

Leia mais

INTELIGÊNCIA ARTIFICIAL E SUA APLICABILIDADE NOS JOGOS

INTELIGÊNCIA ARTIFICIAL E SUA APLICABILIDADE NOS JOGOS INTELIGÊNCIA ARTIFICIAL E SUA APLICABILIDADE NOS JOGOS Aline Ferraz da Silva 1 Carine Bueira Loureiro 2 Resumo: Este artigo trata do projeto de Trabalho

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

Busca em Árvores ou Grafos

Busca em Árvores ou Grafos Giga Mundo Computação RSS Sobre a Equipe Mais computacao no seu Email! Nosso forum Politica de Privacidade Busca em Árvores ou Grafos Posted by on March 10th, 2009 in Inteligência Artificial StatSoft Data

Leia mais

Busca em Espaço de Estados

Busca em Espaço de Estados Busca em Espaço de Estados Jomi Fred Hübner jomi@inf.furb.br FURB / BCC Introdução 2 Agente orientado a meta O projetista não determina um mapeamento entre percepções e ações, mas determina que objetivo

Leia mais

Um Assistente Virtual Inteligente Dirigido por Várias Metodologias Educacionais no Ensino em Informática

Um Assistente Virtual Inteligente Dirigido por Várias Metodologias Educacionais no Ensino em Informática Um Assistente Virtual Inteligente Dirigido por Várias Metodologias Educacionais no Ensino em Informática Abstract. This work shows the evolution of Intelligent Teaching Assistant SAE that include and provide

Leia mais

Algoritmo MiniMax. Minimax

Algoritmo MiniMax. Minimax Algoritmo MiniMax Luís Carlos Calado 050509043 João Carlos Sousa 050509027 José Carlos Campos 060509007 Rodolfo Sousa Silva 050509069 1 Minimax Minimax (ou minmax) é um método usado na Teoria da Decisão,

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Licenciatura em Computação Prof. Adriano Avelar Site: www.adrianoavelar.com Email: eam.avelar@gmail.com Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por

Leia mais

Jogos vs. Problemas de Procura

Jogos vs. Problemas de Procura Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Edirlei Soares de Lima Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:

Leia mais

TCC04040 Inteligência Artificial. Inteligência Artificial

TCC04040 Inteligência Artificial. Inteligência Artificial Inteligência Artificial Aula 2 Profª Bianca Zadrozny TCC04040 Inteligência Artificial Página web: http://www.ic.uff.br/~bianca/ia Material: Livro texto: Inteligência Artificial, Russell & Norvig, Editora

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reagvos não funcionam em ambientes para quais o número de regras condição-

Leia mais

Aprendizagem de Máquina. Ivan Medeiros Monteiro

Aprendizagem de Máquina. Ivan Medeiros Monteiro Aprendizagem de Máquina Ivan Medeiros Monteiro Definindo aprendizagem Dizemos que um sistema aprende se o mesmo é capaz de melhorar o seu desempenho a partir de suas experiências anteriores. O aprendizado

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

Inteligência Artificial para Jogos Eletrônicos

Inteligência Artificial para Jogos Eletrônicos Inteligência Artificial para Jogos Eletrônicos Prof. Marcelo Henrique dos Santos O que é Inteligência Artificial? inteligência apresentada por uma entidade artificial (geralmente um computador); ramo da

Leia mais

Inteligência Artificial. Minimax. Xadrez chinês. Xadrez chinês. Exemplos de Jogos. Exemplo de função de avaliação: Prof. Paulo Martins Engel

Inteligência Artificial. Minimax. Xadrez chinês. Xadrez chinês. Exemplos de Jogos. Exemplo de função de avaliação: Prof. Paulo Martins Engel Xadrez chinês Inteligência Artificial Exemplos de Jogos O objetivo de cada jogador é passar todas as suas peças para o quadrado oposto. Movimenta-se uma peça a cada jogada. O movimento é sempre para uma

Leia mais

Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS

Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Autor:Thiago França Naves 1, Orientador: Carlos Roberto Lopes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade

Leia mais

Agentes Inteligentes. Inteligência Artificial. Exemplos. Agentes Inteligentes. Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com

Agentes Inteligentes. Inteligência Artificial. Exemplos. Agentes Inteligentes. Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Agentes Inteligentes Inteligência Artificial Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores. Agente Prof. Ms. Luiz Alberto Contato:

Leia mais

AGENTES INTELIGENTES. Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com

AGENTES INTELIGENTES. Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com AGENTES INTELIGENTES Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com Agentes Inteligentes Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1. O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

IN0997 - Redes Neurais

IN0997 - Redes Neurais IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Sistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado

Sistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado Sistema Tutor Inteligente baseado em Agentes na Plataforma MOODLE para Apoio às Atividades Pedagógicas da Universidade Aberta do Piauí Prof. Dr. Vinicius Ponte Machado Parnaíba, 14 de Novembro de 2012

Leia mais

Francisca Raquel de Vasconcelos Silveira Gustavo Augusto Lima de Campos Mariela Inés Cortés

Francisca Raquel de Vasconcelos Silveira Gustavo Augusto Lima de Campos Mariela Inés Cortés Francisca Raquel de Vasconcelos Silveira Gustavo Augusto Lima de Campos Mariela Inés Cortés Introdução Trabalhos Relacionados Abordagem Proposta Considerações Finais Conclusão Trabalhos Futuros 2 Agentes

Leia mais

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação

Leia mais

APRENDENDO LÓGICA DE PROGRAMAÇÃO VIA WEB

APRENDENDO LÓGICA DE PROGRAMAÇÃO VIA WEB APRENDENDO LÓGICA DE PROGRAMAÇÃO VIA WEB Romero Tori Universidade de São Paulo Escola Politécnica INTERLAB Laboratório de Tecnologias Interativas-USP Instituto Sumaré de Educação Superior rometori@usp.br

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

Inteligência Artificial (SI 214) Aula 2 Agentes Inteligentes

Inteligência Artificial (SI 214) Aula 2 Agentes Inteligentes Inteligência Artificial (SI 214) Aula 2 Agentes Inteligentes Prof. Josenildo Silva jcsilva@ifma.edu.br 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides de Hwee Tou Ng,

Leia mais

Notas da Aula 17 - Fundamentos de Sistemas Operacionais

Notas da Aula 17 - Fundamentos de Sistemas Operacionais Notas da Aula 17 - Fundamentos de Sistemas Operacionais 1. Gerenciamento de Memória: Introdução O gerenciamento de memória é provavelmente a tarefa mais complexa de um sistema operacional multiprogramado.

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL

ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL ESTRATÉGIAS DE RESOLUÇÃO DE PROBLEMAS DE PESQUISA OPERACIONAL André Luis Trevisan Universidade Tecnológica Federal do Paraná andrelt@utfpr.edu.br Magna Natalia Marin Pires Universidade Estadual de Londrina

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Disciplina : Algoritmos e Estruturas de Dados I Prof: Rodolfo Monitor: Francisco Henrique de F. Viana Período: 2005.2

Disciplina : Algoritmos e Estruturas de Dados I Prof: Rodolfo Monitor: Francisco Henrique de F. Viana Período: 2005.2 Considerações Iniciais Os trabalhos deverão ser implementados em linguagem JAVA; Todos os dados devem ser lidos da entrada padrão (System.in) e escritos na saída padrão (System.out); Os trabalhos serão

Leia mais

Reflexões sobre as dificuldades na aprendizagem de Cálculo Diferencial e Integral

Reflexões sobre as dificuldades na aprendizagem de Cálculo Diferencial e Integral III Mostra de Pesquisa da Pós-Graduação PUCRS Reflexões sobre as dificuldades na aprendizagem de Cálculo Diferencial e Integral Marcelo Cavasotto, Prof.ª Dra. Ruth Portanova (orientadora) Mestrado em Educação

Leia mais

Sistemas Inteligentes Lista de Exercícios sobre Busca

Sistemas Inteligentes Lista de Exercícios sobre Busca Sistemas Inteligentes Lista de Exercícios sobre Busca 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber o trajeto mais rápido

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Aplicação do Software GeoGebra no ensino de Funções

Aplicação do Software GeoGebra no ensino de Funções Ricardo Antonio Faustino da Silva Braz Universidade Federal Rural do Semi-Árido - UFERSA Brasil ricardobraz@ufersa.edu.br Jean Michel Moura Bezerra Universidade Federal Rural do Semi-Árido - UFERSA Brasil

Leia mais

Introdução. Capítulo 1

Introdução. Capítulo 1 Capítulo 1 Introdução Em computação, muitos problemas são resolvidos por meio da escrita de um algoritmo que especifica, passo a passo, como resolver um problema. No entanto, não é fácil escrever um programa

Leia mais

REGRAS OFICIAIS DO JOGO DE DAMAS

REGRAS OFICIAIS DO JOGO DE DAMAS REGRAS OFICIAIS DO JOGO DE DAMAS DAMAS INTERNACIONAIS 1. DO JOGO E DOS JOGADORES 1.1. O jogo de Damas é um desporto mental, praticado entre duas pessoas. 1.2. Por definição, essas pessoas são os jogadores.

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br eduardo.barrere@ice.ufjf.br www.barrere.ufjf.br Complexidade de Algoritmos Computabilidade: Um problema é computável

Leia mais

Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO

Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO rangelrigo@gmail.com, apaula@inf.ufg.br Instituto de Informática Universidade Federal de Goiás (UFG)

Leia mais

Rastros Autor: Bill Taylor, 1992

Rastros Autor: Bill Taylor, 1992 Rastros Autor: Bill Taylor, 1992 Um tabuleiro quadrado 7 por 7. Uma peça branca e peças pretas em número suficiente (cerca de 40). À medida que o jogo decorre, o tabuleiro vai ficar cada vez mais ocupado

Leia mais

SOFTWARES LIVRES: UMA REDE PARA O ENSINO E APRENDIZAGEM DE MATEMÁTICA NA REGIÃO CARBONÍFERA

SOFTWARES LIVRES: UMA REDE PARA O ENSINO E APRENDIZAGEM DE MATEMÁTICA NA REGIÃO CARBONÍFERA SOFTWARES LIVRES: UMA REDE PARA O ENSINO E APRENDIZAGEM DE MATEMÁTICA NA REGIÃO CARBONÍFERA Ms. Jeferson Fernando de Souza Wolff RESUMO O computador, como ferramenta pedagógica para ensino e aprendizagem

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli www2.joinville.udesc.br/~coca/ Agentes Inteligentes:

Leia mais

ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT

ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT LONDRINA - PR 2015 ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT Trabalho de Conclusão

Leia mais

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados Faculdade Alagoana de Administração FAA Ciência da Computação (Resolução de Problemas em) Espaço de Estados (Adaptado de O.B. Coelho & G. Bittencourt & C. Moraes) Maria Aparecida Amorim Sibaldo maasibaldo@gmail.com

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS PROPOSTA DE TRABALHO DE

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br

Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

Utilização de Agentes Inteligentes no desenvolvimento de um Jogo RPG para dispositivos móveis

Utilização de Agentes Inteligentes no desenvolvimento de um Jogo RPG para dispositivos móveis Utilização de Agentes Inteligentes no desenvolvimento de um Jogo RPG para dispositivos móveis Heitor de Sousa Miranda, Fernando Luiz de Oliveira Curso de Sistemas de Informação - CEULP/ULBRA Teotônio Segurado

Leia mais

RELATÓRIO FINAL DE ATIVIDADES PIBIC ou PIBITI

RELATÓRIO FINAL DE ATIVIDADES PIBIC ou PIBITI Universidade Federal da Bahia Pró Reitoria de Pesquisa e Pós Graduação Programa Institucional de Bolsas de Iniciação Científica P IBIC UFBA RELATÓRIO FINAL DE ATIVIDADES PIBIC ou PIBITI Nome do Bolsista

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

FDQ-TOOL UMA FERRAMENTA PARA A ANÁLISE DA QUALIDADE DA MÉTRICA DE ESFORÇO DO PDS

FDQ-TOOL UMA FERRAMENTA PARA A ANÁLISE DA QUALIDADE DA MÉTRICA DE ESFORÇO DO PDS 25 a 28 de Outubro de 2011 ISBN 978-85-8084-055-1 FDQ-TOOL UMA FERRAMENTA PARA A ANÁLISE DA QUALIDADE DA MÉTRICA DE ESFORÇO DO PDS Marcos Mitsuo Ashihara 1, Nelson Tenório Jr 2, Rita Cristina Galarraga

Leia mais

O Problema do k-servidor

O Problema do k-servidor Autor: Mário César San Felice Orientador: Orlando Lee 22 de março de 2010, IC-Unicamp Estrutura A seguir temos a estrutura geral da dissertação. Otimização combinatória Computação online Análise competitiva

Leia mais

Grande parte dos planejadores

Grande parte dos planejadores ARTIGO Fotos: Divulgação Decidindo com o apoio integrado de simulação e otimização Oscar Porto e Marcelo Moretti Fioroni O processo de tomada de decisão Grande parte dos planejadores das empresas ainda

Leia mais

4 Estratégias para Implementação de Agentes

4 Estratégias para Implementação de Agentes Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto

Leia mais

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local

Leia mais

Projeto de Jogos Parte I PUCPR - Tutoria de Jogos - 1º Ano - 2006

Projeto de Jogos Parte I PUCPR - Tutoria de Jogos - 1º Ano - 2006 Projeto de Jogos Parte I PUCPR - Tutoria de Jogos - 1º Ano - 2006 Paulo V. W. Radtke pvwradtke@gmail.com http://www.ppgia.pucpr.br/~radtke/jogos Conteúdo Introdução Por quê projetar? Elementos do projeto

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

CURSO DE FORMAÇÃO. webqda - SOFTWARE DE APOIO À ANÁLISE QUALITATIVA. Entidade de formação credenciada e homologada

CURSO DE FORMAÇÃO. webqda - SOFTWARE DE APOIO À ANÁLISE QUALITATIVA. Entidade de formação credenciada e homologada CURSO DE FORMAÇÃO webqda - SOFTWARE DE APOIO À ANÁLISE QUALITATIVA Entidade de formação credenciada e homologada 1. Fundamentação A investigação nas ciências humanas e sociais tem passado nas últimas décadas

Leia mais

Metodologia do Trabalho Científico

Metodologia do Trabalho Científico Metodologia do Trabalho Científico Diretrizes para elaboração de projetos de pesquisa, monografias, dissertações, teses Cassandra Ribeiro O. Silva, Dr.Eng. METODOLOGIA DA PESQUISA CIENTÍFICA Porque escrever

Leia mais

Notas da Aula 15 - Fundamentos de Sistemas Operacionais

Notas da Aula 15 - Fundamentos de Sistemas Operacionais Notas da Aula 15 - Fundamentos de Sistemas Operacionais 1. Software de Entrada e Saída: Visão Geral Uma das tarefas do Sistema Operacional é simplificar o acesso aos dispositivos de hardware pelos processos

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Introdução Aprendizagem de Máquina Alessandro L. Koerich Introdução Desde que os computadores foram inventados temos nos perguntado: Eles são capazes de aprender? Se pudéssemos programá-los para aprender

Leia mais

Tutorial 5 Questionários

Tutorial 5 Questionários Tutorial 5 Questionários A atividade Questionário no Moodle pode ter várias aplicações, tais como: atividades de autoavaliação, lista de exercícios para verificação de aprendizagem, teste rápido ou ainda

Leia mais

Resolução de Problemas Com Procura. Capítulo 3

Resolução de Problemas Com Procura. Capítulo 3 Resolução de Problemas Com Procura Capítulo 3 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados

Leia mais

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL Capítulo 10 GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 10.1 2003 by Prentice Hall OBJETIVOS Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento?

Leia mais

MATRIZ SWOT VANTAGENS DE SUA UTILIZAÇÃO NO COMÉRCIO VAREJISTA

MATRIZ SWOT VANTAGENS DE SUA UTILIZAÇÃO NO COMÉRCIO VAREJISTA MATRIZ SWOT VANTAGENS DE SUA UTILIZAÇÃO NO COMÉRCIO VAREJISTA Daniela Vaz Munhê 1 Jenifer Oliveira Custódio Camara 1 Luana Stefani 1 Murilo Henrique de Paula 1 Claudinei Novelli 2 Cátia Roberta Guillardi

Leia mais

UMA BREVE INTRODUÇÃO AO ESTUDO E IMPLEMENTAÇÃO DE COMPILADORES

UMA BREVE INTRODUÇÃO AO ESTUDO E IMPLEMENTAÇÃO DE COMPILADORES UMA BREVE INTRODUÇÃO AO ESTUDO E IMPLEMENTAÇÃO DE COMPILADORES 1 BRANCO; Guido Aparecido Junior, 2 TAMAE, Rodrigo Yoshio 1-Discente do Curso Sistemas de Informação FAEG/Garça 2-Docente do Curso Sistemas

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

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: Discussão sobre situações de conflito Exemplos de jogos Jogo em aula Aula de hoje: Introdução

Leia mais

INF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 2 LÓGICA

INF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 2 LÓGICA INF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 2 LÓGICA Descrição: Para tornar-se um Mestre Pokémon é necessário aventurar-se por locais desconhecidos e capturar todos os 150 pokémons que habitam o Continente

Leia mais

PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS

PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS João Antônio Bezerra Rodrigues¹, Késsia Rita da C. Marchi¹, Jaime William Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil joaoabrodrigues@outlook.com

Leia mais

Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com

Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com Python e AI (Re)-introdução ao Python. Problemas de busca e principais abordagens. Exemplos em Python Por que

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

Iniciação à Informática

Iniciação à Informática Meu computador e Windows Explorer Justificativa Toda informação ou dado trabalhado no computador, quando armazenado em uma unidade de disco, transforma-se em um arquivo. Saber manipular os arquivos através

Leia mais

BACKUP 101: PLANEJAMENTOS E FERRAMENTAS

BACKUP 101: PLANEJAMENTOS E FERRAMENTAS BACKUP 101: PLANEJAMENTOS E FERRAMENTAS Jerônimo Medina Madruga (UFPel) Resumo: Em um mundo onde quase todo serviço conta informações digitais, a garantia da segurança desses dados muitas vezes é uma das

Leia mais

Universidade Federal de Minas Gerais

Universidade Federal de Minas Gerais 1 Universidade Federal de Minas Gerais Escola de Engenharia Departamento de Engenharia Eletrônica Laboratório de Informática Industrial 11 a Aula - Programação IEC 61131-3 no ambiente ISaGRAF Objetivos:

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Aplicações de Behavior Scoring Roteiro - Introdução - Diferença entre Credit scoring e

Leia mais

Software Tutorial sobre Sistema Solar

Software Tutorial sobre Sistema Solar Software Tutorial sobre Sistema Solar Alan Correa, Antônio Rocir, Sandro Niederauer Faculdade Cenecista de Osório (FACOS) Rua 24 de maio, 141 95520-000 Osório RS Brasil {sandroniederauer, alan.sms}@hotmail.com,

Leia mais

DESEMPENHO DE REDES. Fundamentos de desempenho e otimização de redes. Prof. Ulisses Cotta Cavalca

DESEMPENHO DE REDES. Fundamentos de desempenho e otimização de redes. Prof. Ulisses Cotta Cavalca <ulisses.cotta@gmail.com> DESEMPENHO DE REDES Fundamentos de desempenho e otimização de redes Prof. Ulisses Cotta Cavalca Belo Horizonte/MG 2015 Sumário 1. Introdução 2. Gerência de redes 3. Fundamentos

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais