4
configurados. O primeiro foi colocado para jogar o cromossomo contra a versão mutante
do cromossomo. O vencedor será selecionado para, em seguida, ser mutado a fim de
assim jogar novamente contr a seu predecessor. O outro experimento foi colocar para
jogar cada cromossomo contra apenas um único time, ou seja, a Uva Trilearn que ganhou
a liga de simulação da RoboCup 2003. Tanto o cromossomo original como o mutante
jogaram com um time pré-determinado, sendo que o mais apto (ou seja, a maior diferença
de pontuação) foi selecionado para a mutação. No primeiro experimento, a cada mil
gerações, o cromossomo f oi medido. Tornou-se claro que, pela geração de seis milésimos,
o desempenho do placar tinha melhorado, passando de uma média de 0, 9 g ols marcados
em 10 jogos na milésima geração, para uma média de 3, 8 gols po r jogo. Da mesma forma,
no segundo experimento, os gols por média de jogos melhoraram ao longo do t empo. Os
experimentos concluíram que, mesmo com uma população mínima, os resultados podem
ser alcançados utilizando técnicas evolutivas.
Um outro caso de empregar os AGs pa ra a aprendizagem de estratégias de um time foi
apresentado em Cheung et al. (2005), onde uma técnica semelhante à de Nakashima et al.
(2004) foi utilizada. Aqui, os cromossomos consistem de quatro genes, os quais represen-
tam um dos quatro jogadores de diferentes tipos (goleiro, zagueiro, meia e atacante).
Cada um tem um conjunto de ações de tamanho 50 regras que abrangem as diferentes
opções que um jogado r pode tomar. No entanto, a seleção dos mais aptos é calculada
utilizando um treinador (treinador off-line). O treinador conecta-se ao servidor de f utebol
de maneira muito parecida com um jogador, mas tem uma visão completa e informaçõ es
sobre o curso do ambiente (Chen et al., 2 002). Em Cheung et al. (2005), é utilizado uma
classe chamada Fitness, que permite ao treinador atribuir pontos para um tipo de j ogador
com base em seu desempenho (por exemplo, um ponto para marcar um gol). Uma média
para cada tipo de j ogador é usada como medida de fitness.
A abordagem evolutiva em Cheung et a l. (2005) é também diferente da abordag em de
Nakashima et al. (2004). A técnica utilizada é Selecionar, Multiplicar e Mutar (SMM).
Cada cromossomo escolhido é multiplicado por 4, dos quais três são mutantes e o original
é mantido. O cromossomo mais apto dos quatro é usado como ponto de partida para
a próxima geração. Dois tipos de experimentos foram realizados com cada cromossomo.
No primeiro, cada cromossomo joga com o mesmo time adversário, sendo que no segundo