CONTEXT
Catch the AI est un jeu "chess-like" basé sur le Yokaï no Mori. Il utilise l'algorithme de Monte Carlo Tree Search (MCTS) pour calculer les stratégies des IA durant les parties.
Ce projet m'a permis de comprendre les différents algorithmes utilisés pour les IA. Bien que j'aie principalement implémenté le MCTS ici, j'ai également exploré et compris les principes des approches suivantes :
-
Minimax avec élagage Alpha-Bêta : Idéal pour les jeux compétitifs 1v1. Une optimisation est possible pour réduire le nombre de branches à explorer grâce au pruning.
-
Q-Learning : Adapté aux jeux avec de nombreuses possibilités et des réactions imprévisibles (par exemple : FIFA).
-
Deep Reinforcement Learning (DRL) : Convient aux jeux complexes où l'IA apprend par l'expérience.
-
Arbre de décision heuristique : Utilisé pour les jeux avec des règles bien définies à l'avance.
-
Behavior Tree : Une approche simple pour des comportements basés sur des règles spécifiques définies via des conditions ("if").
-
Model-based planning : Idéal pour les jeux comportant de nombreuses variables mais avec un nombre limité de réponses possibles (par exemple : Civilisation). Cette méthode simplifie l'environnement de jeu et s'appuie sur un modèle mathématique pour prédire les possibilités.
-
Techniques d'optimisation variées : Incluent la définition d'états pour réduire la recherche, le mélange de méthodes, l'anticipation, la mise en cache des informations, l'utilisation de pools d'objets, et bien plus encore.
Date de création du projet
Réalisé en 2024 dans le cadre du Gaming Campus.
Equipe
Développé en 1 semaine en collaboration avec un autre développeur, Hugo Marseu.
LIEN(s)
Cliquez ici pour accéder au GitHub
