Desenvolvimento de um agente de inteligência artificial para o jogo de xadrez baseado no algoritmo minimax

Abstract

Neste trabalho foi realizado um estudo sobre a análise e o desenvolvimento de um agente de xadrez utilizando o clássico algoritmo de busca competitiva Minimax, em conjunto com técnicas de otimização como a poda alfa-beta e a tabela de transposição. O estudo abrange desde a história do xadrez até o desenvolvimento de um algoritmo capaz de analisar posições do tabuleiro e calcular as melhores jogadas, junto com a infraestrutura necessária para o funcionamento do algoritmo. O agente desenvolvido permite análises em diferentes níveis de profundidade. O trabalho foi implementado utilizando a linguagem de programação Java e aborda a otimização de desempenho por meio da poda alfa-beta para reduzir o número de nós a serem avaliados. Também foi descrita a pesquisa de quiescência, que trata de táticas explosivas e trocas de peças, e a tabela de transposição, baseada no algoritmo de Zobrist Hashing, que permite armazenar e reutilizar avaliações já realizadas. Oprojeto teve como objetivo oferecer uma plataforma eficiente para jogadores e aprendizes de diferentes níveis, proporcionando partidas desafiadoras. Além disso, este trabalho propôs uma plataforma para atender a um projeto pedagógico com o objetivo de melhorar e difundir o ensino de xadrez para crianças. Foram também analisados códigos e abordagens empregadas pelo agente Stockfish, destacando as melhorias obtidas em desempenho e qualidade das avaliações, fornecendo uma base teórica para acadêmicos interessados no desenvolvimento de agentes para jogos e tabuleiros.

In this work, a study was conducted on the analysis and development of a chess agent using the classic Minimax competitive search algorithm, combined with optimization techniques such as alpha-beta pruning and transposition tables. The study covers everything from the history of chess to the development of an algorithm capable of analyzing board positions and calculating the best moves, along with the necessary infrastructure for the algorithm to function. The developed agent allows for analyses at different depth levels. The project was implemented using the Java programming language and addresses performance optimization through alpha-beta pruning to reduce the number of nodes to be evaluated. Quiescence search, which deals with tactical explosions and piece exchanges, wasalso described, as well as transposition tables based on the Zobrist Hashing algorithm, which enables the storage and reuse of previously evaluated positions. The project aimed to provide an efficient platform for players and learners of various skill levels, offering challenging matches. Furthermore, this work proposed a platform to support a pedagogical project aimed at improving and promoting chess education for children. Additionally, codes and approaches employed by the Stockfish agent were analyzed, highlighting performance and evaluation quality improvements, providing a theoretical foundation for academics interested in the development of agents for games and board games.