Desarrollo de Técnicas de Inteligencia Artificial para Juegos
En el presente proyecto de investigación, se desarrollan métodos alternativos a los comúnmente utilizados para crear software de juegos, clasificados dentro de la teoría de juegos como bipersonales de suma cero y de información completa. El proyecto se divide en cuatro partes a saber: En la primera se trabaja sobre los métodos existentes en la actualidad para el tratamiento de juegos, estos son: Primera generación (Mínimax, Megamax, Alfabeta, FAlfaBeta, LAlfaBeta, PAlfaBeta, Scot) y segunda generación (Algoritmos de extensión singular). Además se hace un análisis de estos métodos y se muestran métodos alternos.En la segunda parte, se presenta un esquema de un algoritmo por metas (FBC), lo mismo que un análisis conceptual. Igualmente se hace un tratamiento de juegos mediante redes neuronales (juegos mediante aprendizaje). La idea básica consiste en entrenar una red neuronal mediante un juego, para que ésta, luego de su entrenamiento, pueda competir contra un adversario con un alto nivel de juego y responder en buena forma.En la tercera parte se plantea utilizar algoritmos genéticos. Esto lo podemos hacer de dos formas: Primero como mecanismo de aprendizaje automático y segundo como generador de funciones de evaluación estática. Como generador de aprendizaje automático, la idea es crear programas capaces de aprender por sí mismos todo tipo de problemas. Como generador de funciones de evaluación, se darán los parámetros y la fórmula general para que el algoritmo la optimice.En la cuarta parte se utiliza el aprendizaje por refuerzo, con el fin de enseñar a un agente un problema de ajedrez. Los datos sobre los cuales se va a operar son: rey blanco, rey negro, y dama blanca. Surge una pregunta: ¿Puede un agente aprender el mate, de tal manera que en ningún momento se mueva el rey blanco?