Teaching intelligent agents through game problems

Gustavo Augusto Silva, Luis Otavio Rigo Júnior

Abstract


The teaching of intelligent agents, presented in this study, was performed through the Problem Based Learning method. Pac-Man was selected as a case study. The constructive learning process was carried out through three stages, namely: (i) the implementation of basic agents, with the sole purpose of completing the route on the map; (ii) the implementation of real agents, considering the existence of ghosts; and, finally, (iii) the implementation of intelligent learning agents. As part of the knowledge building process, each new agent proposed by the student was created to solve problems found in the performance analysis of previous agents. In the first stage of development a performance improvement of 33.45% was observed from Agent 1 to Agent 6. In the second stage, considering the actual game, Agent 8 showed a performance increase of 20.49% when compared to Agent 7. In the third stage, artificial neural networks and genetic algorithms were used, which allowed us to create an agent capable of learning and completing the map alone. Thus, it was possible to prove that the selected techniques were efficient in improving the intelligence level of the agents proposed for the game in question. In addition, the use of this teaching method resulted in a greater involvement of the student with the Artificial Intelligence discipline, favoring the student's mastery in intelligent agent construction techniques, as well as contributing to his interest in this area of study.


Keywords


Problem Based Learning; Intelligent Agents; Games; Search Strategies; Genetic Algorithms; Artificial Neural Networks.

References


Arzt, S. (2016). Deep learning cars [Site]. Acesso em 20 de maio, em https://arztsamuel.github.io/ en/projects/unity/deepCars/deepCars.html

Barone, D. A. C. & Silveira, S. R. (1998). Jogos educativos computadorizados utilizando a abordagem de algoritmos genéticos. Congresso da Rede Iberoamericana de Informática na Educação, Brasília, DF, Brasil.

Bastos, R. & Jaques, P. (2010). Antares, um sistema web de consulta de rotas de ônibus como serviço público. Revista Brasileira de Computação Aplicada, 2(1), 41–56.

Catarina, A. S. & Bach, S. L. (2003). Estudo do efeito dos parâmetros genéticos sobre a solução otimizada e sobre o tempo de convergência em algoritmos genéticos com codificações binária e real. Acta Scientiarum. Technology, 25(2), 147–152.

Costa, N. M. S. & Netto, J. F. M. (2009). Desenvolvimento de um jogo educacional multiusuário usando bluetooth. Relatório de Iniciação Científica do Programa PIBIC 2008–2009, Universidade Federal do Amazonas, UFAM, Brasil.

Cormen, T. H.; Leiserson, C. E.; Rivest, R. L. & Stein, C. (2009). Introduction to Algorithms (3rd ed). Cambridge, Massachusetts: The MIT Press.

Crocomo, M. K (2008). Um algoritmo evolutivo para aprendizado on-line em jogos eletrônicos. (Dissertação de mestrado). Instituto de Ciências Matemáticas e de Computação – ICMC-USP, São Carlos, SP, Brasil.

Darwin, C. (1859). On the Origin of Species by Means of Natural Selection. Murray, London.

Deza, M. M. & Deza, E. (2016). Encyclopedia of Distances (4th ed.). Springer-Verlag.

Ficheman, I. K.; Assis, G. A.; Corrêa, A. G. D.; Netto, M. L. & Lopes, R. D. (2006). Educatrans: um jogo para educação no trânsito. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação – SBIE), 19–21, UNB/UCB, Brasília, DF, Brasil, XVII SBIE.

Gallagher, M. & Rayan, A. (2003). Learning to play pac-man: An evolutionary, ruse-based approach. The 2003 Congress on Evolutionary Computation, CEC, Camberra, ACT, Australia. doi:10.1109/CEC.2003.1299397

Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. MA: Addison-Wesley Reading.

Grando, A. & Tarouco, L. M. R. (2008). O uso de jogos educacionais do tipo rpg na educação. CINTED-UFRGS, Revista Novas Tecnologias na Educação, vol. 6, n. 1. doi: https://doi.org/10.22456/1679-1916.14403

Haykin, S. S. (2001). Redes Neurais - Princípios e Prática (2nd ed.). Bookman.

Marquardt, D. W. (1963). An algorithm for least-squares estimation of non-linear parameters. Journal of the Society for Industrial and Applied Mathematics, 11(2), 431–441. doi:10.1137/0111030

Mitchell, M. (1996). An Introduction to Genetic Algorithms. Cambridge. MA: The MIT Press.

Mitchell, T. (1997). Machine Learning. McGraw Hill Higher Education.

Oliveira, F. F.; Piteri, M. A. & Menequette, M. (2014). Desenvolvimento de uma plataforma de software para a modelagem digital de terrenos baseada em tin. Boletim de Ciências Geodésicas, Revista UFPR, Curitiba, PR, Brasil, 20(1), 117-131. doi: 10.1590/S1982-21702014000100008

Patel, A. (2018). Pathfinding for tower defense cars [Site]. Acesso em 01 de novembro, em www.redblobgames.com/pathfinding/tower-defense/.

Pinheiro, E.; Kubo, C. C. ; Rangel, M. S. ; Arcari, T. A. & Dias, C. G. (2009). Navegação autônoma de um agente inteligente: Um estudo comparativo usando lógica fuzzy e algoritmo de busca a*. Exacta, São Paulo, SP, Brasil, 7(1), 87–98. doi: 10.5585/exacta.v7i1.1531

Rigo Jr., L. O. (2005). Evolução de autômatos celulares para a previsão de séries temporais correlacionadas. (Dissertação de mestrado). Programa de Engenharia de Sistemas e Computação / COPPE - UFRJ, Rio de Janeiro, RJ, Brasil.

Ribeiro, L. M. P. (2008). Otimização e dimensionamento de treliças panas de madeira empregando o método dos algoritmos genéticos. (Dissertação de mestrado). Programa de Engenharia Civil, Universidade Federal de Uberlândia, Uberlândia, MG, Brasil.

Rumelhart, D. E.; Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536.

Russell, S. J. & Norvig, P. (2009). Artificial intelligence: a modern approach (3rd ed.). Pearson.

Seidel, I. (2015). Inteligência artificial com dinossauro da google [Video]. Acesso em 20 de maio, em https://www.youtube.com/watch?v=P7XHzqZjXQs&t=71s

Silva, A. B. D.; Bispo, A. C. K. A.; Rodriguez, D. G. & Vasquez, F. I. F. (2018). Problem-based learning: A proposal for structuring pbl and its implications for learning among students in an undergraduate management degree program. REGE Revista de Gestão, 25(2), 160–177. doi: 10.1108/REGE-03-2018-030




DOI: http://dx.doi.org/10.33448/rsd-v9i1.1793

Refbacks

  • There are currently no refbacks.


Base de Dados e Indexadores: Base, Diadorim, Sumarios.org, DOI Crossref, Dialnet, Scholar Google, Redib, Doaj, Latindex, Portal de Periódicos CAPES

Research, Society and Development - ISSN 2525-3409

Licença Creative Commons
Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional

Rua Irmã Ivone Drumond, 200 - Distrito Industrial II, Itabira - MG, 35903-087 (Brasil) 
E-mail: rsd.articles@gmail.com