Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Sztuczna inteligencja w grach

Informacje ogólne

Kod przedmiotu: 0800-SZIGRA
Kod Erasmus / ISCED: (brak danych) / (0688) Interdyscyplinarne programy i kwalifikacje obejmująe technologie informacyjno-komunikacyjne Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Sztuczna inteligencja w grach
Jednostka: Wydział Fizyki, Astronomii i Informatyki Stosowanej
Grupy:
Strona przedmiotu: http://www.is.umk.pl/~kg/zajecia/
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Wymagania wstępne:

Podstawy programowania obiektowego.

Całkowity nakład pracy studenta:

Godziny realizowane z udziałem nauczycieli (30 godz.):

- udział w zajęciach – 30 godz.


Czas poświęcony na pracę indywidualną studenta (60 godz.):

- przygotowanie do laboratorium, pisanie prac, projektów oraz przygotowanie do kolokwium – 60 godz.


Łącznie: 90 godz. (3 punkty ECTS)


Efekty uczenia się - wiedza:

W01: posiada rozszerzoną wiedzę na temat istniejących zaawansowanych algorytmów wykorzystywanych w sztucznej inteligencji gier komputerowych,

W02: posiada wiedzę w zakresie tworzenia własnych rozwiązań dopasowanych do potrzeb implementacji gier,

W03: posiada wiedzę na temat sposobów analizy takich metod i ich optymalizacji.


Efekty przedmiotowe W01-W03 realizują efekty kierunkowe K_W02, K_W05.

Efekty uczenia się - umiejętności:

U01: umie korzystać z dokumentacji algorytmów i bibliotek zapisanych w języku polskim i angielskim oraz potrafi przygotować dokumentację opracowanych przez siebie metod, oraz ich komunikatywną prezentację,

U02: potrafi wykorzystać znane algorytmy przy rozwiązywaniu problemów projektowania rozwiązań na użytek gier komputerowych, formułować i testować hipotezy związane z własnościami algorytmów,

U03: posiada umiejętności opracowywania w zespole algorytmów odpowiednich do określonych potrzeb gier, potrafi dzielić się zadaniami z innymi dla osiągnięcia optymalnego celu,

U04: potrafi krytycznie ocenić istniejące algorytmy i narzędzia programistyczne i diagnostyczne, potrafi dokonać ich wyboru do realizacji zadanych problemów,

U05: potrafi wykorzystywać właściwe narzędzia programistyczne pozwalające na efektywną realizację projektów indywidualnych i grupowych,


Efekty przedmiotowe U01-U05 realizują efekty kierunkowe K_U03, K_U04, K_U07, K_U08, K_U11.

Metody dydaktyczne:

Prezentowane metody ilustrowane są licznymi przykładami. Materiały są udostępniane w formie elektronicznej.

Problemy projektowe i implementacyjne są dyskutowane i rozwiązywane wspólnie w ramach spotkań i we współpracy zdalnej nad złożonymi projektami.


Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)


Metody dydaktyczne poszukujące:

- klasyczna metoda problemowa

- laboratoryjna

- projektu

Metody dydaktyczne eksponujące:

- pokaz

Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące:

- klasyczna metoda problemowa
- laboratoryjna
- projektu

Skrócony opis:

Celem przedmiotu jest praktyczne zapoznanie się z różnymi metodami sztucznej inteligencji stosowanymi w programowaniu gier komputerowych. Przedstawiane są różne algorytmy, dyskutowane ich wady i zalety w kontekście zastosowania do konkretnych rozwiązań przy tworzeniu gier.

Pełny opis:

Program zajęć:

1. Metody szukania

◦ szukanie dróg, również optymalnych (best-first, A*, algorytmy grafowe)

◦ szukanie z adwersarzem (min-max, obcięcie alfa-beta, ...)

2. Proceduralne generowanie elementów światów gier,

◦ losowe kształtowanie terenu, szum Perlina,

◦ labirynty - tworzenie, szukanie dróg,

◦ automaty komórkowe,

3. Systemy decyzyjne (drzewa zachowań, systemy regułowe),

4. Automaty stanów skończonych, również rozmyte, łańcuchy

Markowa,

5. Algorytmy inteligencji zbiorowej (genetyczne, rojowe),

6. Systemy rozmyte,

7. Systemy wieloagentowe.

Literatura:

Literatura podstawowa:

1. Krzysztof Grąbczewski, Slajdy do wykładu, http://www.is.umk.pl/~kg/zajecia/SIwG/SIwG.pdf.

2. Brian Schwab – AI game engine programming (2004, Charles River Media; drugie wydanie 2009, Course Technology/Cengage Learning)

3. Ian Millington, John Funge – Artificial intelligence for games, 2009, Elsevier,

4. Steve Rabin (edytor) – Game AI Pro (2014, CRC Press) & Game AI Pro 2 (2015, CRC Press) – http://www.gameaipro.com/,

5. Stuart Rusell, Peter Norvig, Artificial Intelligence. A Modern Approach., 2nd Edition 2003, 3rd Edition 2010, http://aima.cs.berkeley.edu/index.html,

6. Patrick H. Winston, Artificial Intelligence, 3rd Edition, Addison Wesley 1992.

Metody i kryteria oceniania:

Metody oceniania:

- praca w ramach laboratorium - W01 – W02,

- projekty i praca bieżąca w ramach laboratorium – U01 - U05,

Kryteria oceniania:

Zaliczenie na ocenę na podstawie wyników pracy nad projektami – ocena udziału każdego studenta we wspólnie tworzonych programach, ocena zaangażowania w projektowanie i programowanie rozwiązań. Każdy student ma do zrealizowania kilka zadań w ciągu semestru, spośród licznych szczegółowo rozpisanych zadań.

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-21 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 30 godzin więcej informacji
Koordynatorzy: Krzysztof Grąbczewski
Prowadzący grup: Krzysztof Grąbczewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)