Ce que vous devez savoir avant
Vous commencez
Débute 5 June 2026 04:23
Se termine 5 June 2026
00
Jours
00
Heures
00
Minutes
00
Secondes
43 minutes
Amélioration optionnelle disponible
Not Specified
Progressez à votre rythme
Conference Talk
Amélioration optionnelle disponible
Aperçu
Learn to develop a genetic algorithm in Python to master the board game Risk, exploring object-oriented design and AI strategies for game simulation and optimization.
Programme
- Introduction au cours
- Comprendre le jeu de société Risk
- Révision de la programmation en Python
- Conception orientée objet pour la simulation de Risk
- Fondamentaux des algorithmes génétiques
- Développement d'un algorithme génétique pour Risk
- Simulation et optimisation de jeu
- Stratégies avancées d'IA dans le jeu
- Applications pratiques et projets
- Fin du cours et étapes suivantes
Aperçu des objectifs du cours
Introduction au jeu de Risk
Concepts de base en IA et en algorithmes génétiques
Prérequis et installation des outils
Règles du jeu et stratégies
Exploration des mécaniques du jeu
Identification des principaux défis et objectifs dans Risk
Syntaxe de base et structures de données
Fonctions et modules
Introduction à la programmation orientée objet (POO)
Modélisation des composants du jeu
Conception de classes pour les joueurs, armées et territoires
Mise en œuvre des règles d'interaction et du déroulement du jeu
Introduction aux algorithmes évolutionnaires
Concepts clés : population, chromosomes, fonctions de fitness
Opérateurs génétiques : sélection, croisement, mutation
Mise en place du problème et encodage des stratégies
Conception et mise en œuvre d'une fonction de fitness
Application des opérateurs génétiques pour faire évoluer les solutions
Exécution de simulations pour tester les stratégies
Analyse des résultats et débogage des stratégies
Réglage des paramètres pour une performance optimale
Heuristiques et développement de stratégies
Approches hybrides : combiner les techniques d'IA
Apprentissage automatique pour un gameplay adaptatif
Conception et construction d'un bot Risk alimenté par IA
Application des techniques apprises à des variantes et autres jeux
Études de cas d'IA réussie dans le domaine du jeu
Révision des principaux apprentissages et concepts
Présentation du projet final et retour d'expérience
Lectures et ressources complémentaires pour un apprentissage continu
Matières
Conference Talks