Ce que vous devez savoir avant
Vous commencez

Débute 5 June 2026 01:45

Se termine 5 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Comment conquérir le monde

Apprenez à développer un algorithme génétique en Python pour maîtriser le jeu de société Risk, en explorant la conception orientée objet et les stratégies d'IA pour la simulation et l'optimisation du jeu.
EuroPython Conference via YouTube

EuroPython Conference

6076 Cours


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
  • Aperçu des objectifs du cours
    Introduction au jeu de Risk
    Concepts de base en IA et en algorithmes génétiques
    Prérequis et installation des outils
  • Comprendre le jeu de société Risk
  • Règles du jeu et stratégies
    Exploration des mécaniques du jeu
    Identification des principaux défis et objectifs dans Risk
  • Révision de la programmation en Python
  • Syntaxe de base et structures de données
    Fonctions et modules
    Introduction à la programmation orientée objet (POO)
  • Conception orientée objet pour la simulation de Risk
  • 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
  • Fondamentaux des algorithmes génétiques
  • Introduction aux algorithmes évolutionnaires
    Concepts clés : population, chromosomes, fonctions de fitness
    Opérateurs génétiques : sélection, croisement, mutation
  • Développement d'un algorithme génétique pour Risk
  • 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
  • Simulation et optimisation de jeu
  • Exécution de simulations pour tester les stratégies
    Analyse des résultats et débogage des stratégies
    Réglage des paramètres pour une performance optimale
  • Stratégies avancées d'IA dans le jeu
  • Heuristiques et développement de stratégies
    Approches hybrides : combiner les techniques d'IA
    Apprentissage automatique pour un gameplay adaptatif
  • Applications pratiques et projets
  • 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
  • Fin du cours et étapes suivantes
  • 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