Através da aprendizagem ou treinamento de uma Rede Neural Artificial (RNA), é possível realizar comportamentos complexos como dirigir um carro, auxiliar no controle de tráfego aéreo ou reconhecer padrões em imagens (SCHMIDHUBER, 2015). Para esse trabalho, foi escolhido o K-NN (k-nearest neighbors) que é um algoritmo de classificação supervisionado usado em machine learning. Para (BUENO, 2009), algoritmos exploratórios que buscam resolver problemas são conhecidos por métodos heurísticos, os quais se baseiam em sucessivas aproximações direcionadas a um ponto ótimo. A metodologia empregada se deu através da implementação de um jogo de dominó no Pygame e a utilização de algoritmo K-NN, heurísticas defensiva e ofensiva. O objetivo deste estudo é avaliar o desempenho das heurísticas e do algoritmo K-NN em disputas de jogos de dominó. Os resultados parciais apontaram uma leve vantagem da heurística 2 em relação a heurística 1. O K-NN não teve um desempenho tão bom, o que sugere a necessidade de alguns testes e mudanças como variação do K, uma coleta maior de dados ou mesmo uma remodelação da estrutura proposta.