Busca avançada
Ano de início
Entree

Evolução automática de árvores de comportamento para um agente inteligente

Processo: 13/20606-0
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de novembro de 2013
Vigência (Término): 30 de novembro de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Vinícius Veloso de Melo
Beneficiário:Léo Françoso Dal Piccol Sotto
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Assunto(s):Algoritmos genéticos   Programação genética   Algoritmos evolutivos   Computação evolutiva   Agentes inteligentes   Inteligência artificial

Resumo

Este projeto tem o objetivo de estudar a aplicação de algoritmos evolutivos - inicialmente a Programação Genética - na evolução automática de árvores de comportamento de um agente inteligente, que determinam as ações a serem tomadas de acordo com a configuração atual do ambiente. O agente inteligente que será estudado neste projeto é uma implementação no "framework" de estudo de ferramentas de inteligência artificial denominado "The AI Sandbox" (TAS). Esse agente é o comandante de um pequeno esquadrão militar que age contra outro esquadrão em um exercício de segurança conhecido como "Capture The Flag" (CTF), em que o objetivo é conseguir capturar e trazer a bandeira do inimigo para o campo aliado. Para que o agente inteligente consiga realizar essa tarefa será evoluída uma árvore de comportamento, tomando como base a árvore de comportamento de um comandante já existente para a ferramenta. Pretende-se avaliar a capacidade da técnica de Programação Genética em evoluir uma ou mais árvores de comportamento que apresentem desempenho superior ao da original.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DAL PICCOL SOTTO, LEO FRANCOSO; DE MELO, VINICIUS VELOSO; BASGALUPP, MARCIO PORTO. -LGP: an improved version of linear genetic programming evaluated in the Ant Trail problem. KNOWLEDGE AND INFORMATION SYSTEMS, v. 52, n. 2, p. 445-465, AUG 2017. Citações Web of Science: 2.
DAL PICCOL SOTTO, LEO FRANCOSO; DE MELO, VINICIUS VELOSO. Studying bloat control and maintenance of effective code in linear genetic programming for symbolic regression. Neurocomputing, v. 180, n. SI, p. 79-93, MAR 5 2016. Citações Web of Science: 5.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.