Professional Documents
Culture Documents
1 INTRODUO
A Inteligncia Artificial (I.A.) desde os seus primrdios est diretamente
ligada ao processo evolutivo humano, com sua histria contada, desde uma
base alicerada nos estudos de Aristteles, e caminhando sem respostas
definitivas, atravs do tempo, permeando-se por vrias teorias relacionadas
com o ser humano (NILSSON, 1998).
O desenvolvimento da Inteligncia Artificial assume um carter
permanente, solidificando a estrutura de aprendizado, contando com a adeso,
mesmo que lenta, de cientistas capazes de promover sua divulgao. O
movimento passa a contar com uma estrutura de conceitos devidamente
formalizados que permitem uma robustez maior e que comeam a melhorar
aptides que se tornariam marcos e abririam as portas para o incio das
pesquisas e estudos, sendo um deles, os Algoritmos Genticos (RUSSELL e
NORVIG, 2004).
Nesse contexto, John Holland inicia um processo de desenvolvimento
dos
estudos
sobre
os
Algoritmos
Genticos,
influenciando
outros
11
12
pode
ser
visualizada
atravs
de
um
13
resultados
positivos.
Porm,
este
otimismo
excessivo
era
14
Ilustrao 1: Spacewar!
Fonte: (BATISTA et al., 2007)
no
mercado,
abrindo
uma
janela
de
oportunidades
para
15
16
Ilustrao 3: Pac-Man
Fonte: (GALLAGHER E RYAN, 2009)
Outro jogo que influenciou seus predecessores foi Sim City, de 1989
(Ilustrao 4), que introduziu um novo sistema de jogo, simulando sistemas
complexos, e utilizando tcnicas de IA para gerar respostas em tempo real s
aes do jogador (CHAMPANDARD, 2007).
17
Ilustrao 5: Half-Life
Fonte: (GAMESPOT, 2009)
18
19
20
Sem IA
Padres de
Movimento
Finite State
Machines
(FSM)
Vrias Tcnicas
Ano do jogo
jogo
1958
Spacewar
Desenvolvido
como
demonstrao
de
capacidade
de
hardware
Pursuit e Qwak Atirar em alvos mveis
1961
Gun Fight
Space Invaders Clssico dos primeiros
consoles
Pac-Man Primeiro jogo a utilizar FSM
1975
1978
1989
1990
Aperfeioou
consideravelmente as tcnicas de
1993
1974
1980
1996
1998
21
mquinas de estado
Total War Controle de centenas de
unidades ao mesmo tempo em tempo
real
The Sims Simulao de personalidade
realizada por IA
Black and White Utilizao de vrias
tcnicas de IA para controle realista de
comportamento e aprendizado de
personagens
F.E.A.R. IA responsvel por controle de
comandos para aes em esquadro
Left 4 Dead IA utilizada para gerar
desafios em tempo real baseados no
desempenho do jogador
2000
2000
2001
2005
2008
2.3 Concluso
Este captulo abordou, de forma simplificada, a evoluo da Inteligncia
Artificial com o passar do tempo, alm da evoluo de sua utilizao em jogos
eletrnicos. O prximo captulo tratar especificamente dos Algoritmos
Genticos, fazendo um breve histrico e, em seguida, descrevendo seu
funcionamento.
22
3 ALGORITMOS GENTICOS
Neste captulo abordado um breve histrico dos Algoritmos Genticos,
assim como uma descrio de seus principais conceitos.
3.1 Histrico
O desenvolvimento dos estudos de Charles Darwin sobre a evoluo
das espcies, apresentados em 1859, no qual o indivduo mais bem adaptado
ao meio tem maiores possibilidades de sobrevivncia, resultaram no conceito
de que as diferentes formas de vida so passveis de adaptaes, atravs de
mudanas genticas gradativas. Estas mudanas ocorrem devido influncia
do ambiente em que vive o indivduo.
Tendo como referncia estes conceitos apresentados por Darwin, no
inicio, as pesquisas relacionadas aos algoritmos evolutivos foram realizadas
por bilogos evolucionistas que criaram representaes programadas em
computadores para a modelagem de aspectos evolucionrios dos animais
(MARCZYK, 2004). Baseando-se na observao dos organismos vivos, que
so grandes solucionadores de problemas, possuindo uma incrvel capacidade
de adaptao ao ambiente imposto a eles, houve um grande aprofundamento
das pesquisas de sistemas de aprendizado.
O estudo dos algoritmos evolutivos baseou trs reas diferentes de
pesquisa: a programao evolucionria, estratgia evolucionria e Algoritmos
Genticos (GROSKO et al., 2009). Todas estas reas possuem uma mesma
base de conhecimento. Porm, se diferenciam em detalhes nos processos e
em seu escopo.
Os primeiros estudos na rea de sistemas adaptativos complexos foram
realizados por Nils Aall Barricelli na dcada de 50. Porm, seu trabalho foi
pouco conhecido. O mesmo aconteceu com o trabalho do australiano Alex
Fraser, tambm na dcada de 50. A partir destes primeiros estudos, pesquisas
sobre simulaes do processo evolutivo se tornaram mais populares, mas
apenas no final da dcada de 60 e incio da dcada de 70, que o processo de
evoluo artificial se tornou amplamente reconhecido, atravs dos estudos de
Ingo Rechenberg e Hans-Paul Schwefel, os quais conseguiram resolver
23
24
de
computadores
de
forma
consistente,
que
facilitaria
3.2 Conceitos
25
26
Quando
os
indivduos
geradores
so
muito
diferentes,
os
27
28
4 TRABALHOS RELACIONADOS
Para exemplificar os conceitos apresentados anteriormente, se faz
necessria a demonstrao de possveis aplicabilidades dos Algoritmos
29
30
31
32
33
Tempo do
AG
Tempo da
rvore
Custo do
AG
Custo da
rvore
10x10
0,21
0,1
20
15
30x30
0,35
0,1
151
103
0,59
0,3
428
292
50x50
34
Tamanho do cromossomo
35
10 x 10
30 x 30
50 x 50
70
540
1500
36
[...] pretende-se implementar um algoritmo hbrido, utilizando o
mtodo de busca em rvore para a gerao da populao
inicial em vez de ela ser gerada aleatriamente.
(APPOLINARIO e PEREIRA, 2007, p. 91)
37
Amigos
0
1
2
3
0
1
2
3
0
1
2
3
Cromossomo (Sada)
2
1
2
2
0
0
1
0
2
1
2
1
38
Cromossomo
021002010001
010202210101
000000000000
112110111111
Aptido
20
12
5
11
39
4.2.3 Resultados
O comportamento dos NPCs evoluiu de acordo que novas partidas
foram sendo realizadas, e tambm de acordo que o jogador assimilava suas
estratgias. Dois experimentos foram realizados, cada um contendo 80
partidas. No primeiro, as notas atribudas aos indivduos da gerao inicial
foram muito boas, porm de acordo que o jogador assimilava as estratgias
utilizadas, as notas sofreram uma queda. Em seguida, j se adaptando s
novas tcnicas do jogador, as notas voltaram a subir. O saldo final do jogador
foi de 30 derrotas contra 50 vitrias, sendo muitas delas em seqncia. A
Ilustrao 18 demonstra esta variao nas notas a cada gerao do algoritmo.
40
Assim como no primeiro, o grfico possui quatro linhas, uma para cada
NPC, mostrando o desempenho dos mesmos cada gerao do experimento
dois, neste caso.
Alm dos 3 comportamentos bsicos definidos anteriormente, os NPCs
em alguns momentos definiam estratgias inesperadas, pois no faziam parte
da programao inicial. Uma estratgia muito eficaz utilizada pelos NPCs foi a
de se agruparem para realizar um ataque concentrado ao jogador, como
mostra a Ilustrao 20.
41
5 ESTUDO DE CASO
42
algoritmo
gentico
nos
fantasmas,
controlando
seu
43
fantasmas foram definidos dois possveis valores: 0 faz com que o fantasma
persiga o jogador em situao normal e o valor 1 faz com que o fantasma fuja
do jogador quando este tiver adquirido um Power-up, como mostra a Tabela 6.
Situao do jogador
Sem Power-up
Com Power-up
Resposta do fantasma
0
1
Composio do cromossomo
01001011
01011100
11010011
01011010
44
CONSIDERAES FINAIS
45
46
47