1. Die Studierenden kennen das grundlegende Setting von Strategie-Spielen.
2. Die Studierenden verstehen die grundlegenden Algorithmen von AI-Engines.
3. Die Studierenden haben Erfahrung mit der Implementierung von Minimax-Algorithmen sowie den dazugehörigen Heuristiken.
4. Die Studierenden haben Erfahrung mit der Implementierung von Monte Carlo Tree Search sowie den dazugehörigen Heuristiken (UCB1, RAVE etc.).

1. Vorlesungsblock: Setting, grundlegende Algorithmen, Heuristiken, Anwendungen, Stand der Forschung
2. Übung: Übungsziel, Aufgabenstellung, Einführung in die Übungsumgebung, Tipps zur Vorgangsweise

Didaktisches Konzept

• Rahmen für Wissensvermittlung mit Vorlesungsblock am Beginn und Vorlesungsprüfung am Ende der LVA
• Praktisches Erfahren der LVA-Inhalte in Kleingruppen-Übungen
• Verwendung moderner Visualisierungs- und Seminarmethoden zur Beteiligung der Studierenden an der Vorlesung
• Nutzung eines offen Forensystems zum Erfahrungsaustausch über Gruppen hinweg während der Übung

Verteilung der ECTS-Punkte

Beschreibung                         ECTS  Stunden
--------------------------------------------------
Vorbereitung                         0.04      1.0
Vorlesung                            0.32      8.0
Vorbereitung des Übungsprojektes     0.04      1.0
Übungs-Projektarbeit                 2.60     65.0

--------------------------------------------------
Gesamt                               3.00     75.0

Gruppenarbeit: Implementierung einer Game AI in Java

• Gute Kenntnisse in Softwareentwicklung mit Java
• Grundlegende Kenntnisse im Bereich Künstliche Intelligenz
• Erfahrung im Spielen von Strategie-Spielen