<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Aprendizado por reforço para treinamento de agentes em jogos de estratégia em tempo real

Página do item simplificado
dc.contributor.advisorSilva, João Carlos Pereira da
dc.contributor.referee1Sá, Vinícius Gusmão Pereira de
dc.contributor.referee2Menasché, Daniel Sadoc
dc.creatorAlbuquerque, David Rodrigues
dc.date.accessioned2025-03-23T18:32:21Z
dc.date.available2026-05-16T03:08:50Z
dc.date.issued2025-03-11
dc.description.resumoEste trabalho de pesquisa concentra-se numa revisão teórica e aplicação do aprendizado por reforço profundo (DRL) para treinar agentes em jogos de estratégia em tempo real, com o StarCraft II como cenário principal de estudo. O aprendizado por reforço é uma abordagem do campo de aprendizado de máquina que envolve a interação entre agentes e ambientes, com o objetivo de maximizar recompensas ao longo do tempo. O contexto da pesquisa aborda a natureza desafiadora dos jogos de estratégia em tempo real, onde os jogadores enfrentam decisões em tempo real, coordenação de unidades, gerenciamento de recursos e adaptação a estratégias adversárias. O StarCraft II, um dos jogos de estratégia em tempo real mais complexos e populares, oferece um ambiente de jogo ideal para explorar o potencial da área. Esse ambiente é caracterizado por sua complexidade, incerteza e diversidade, tornando-o um campo de teste valioso para algoritmos de DRL. O objetivo deste estudo é capacitar agentes a tomar decisões autônomas e estratégicas em um ambiente altamente complexo e dinâmico, como o StarCraft II. Serão realizados experimentos modelando o jogo, definindo funções de recompensa e experimentando diferentes parâmetros para os algoritmos descritos, buscando analisar sua eficiência e desafios específicos associados à aplicação do DRL em jogos de estratégia em tempo real e identificar oportunidades para pesquisas futuras nessa área.pt_BR
dc.embargo.termsabertopt_BR
dc.identifier.urihttp://hdl.handle.net/11422/25421
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectAprendizado por reforçopt_BR
dc.subjectJogospt_BR
dc.subjectAprendizado por reforço profundopt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectMachine learningpt_BR
dc.subjectReinforcement learningpt_BR
dc.subjectGamespt_BR
dc.subjectDeep reinforcement learningpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAprendizado por reforço para treinamento de agentes em jogos de estratégia em tempo realpt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
DRAlbuquerque.pdf
Tamanho:
1,32 MB
Formato:
Adobe Portable Document Format
Baixar

Pacote de licença

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,81 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Ciência da Computação