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