Goal-Oriented Action Planning (GOAP) är en AI-arkitektur som tillämpar ett måldrivet beteende åt agenter i spel. Mål uppnås genom att planer med åtgärder genereras med hjälp av en sökalgoritm. Syftet med denna rapport är att undersöka hur två sökalgoritmer, A* och IDA*, presterar under planering i GOAP. De experimenten som används är dels en miljö där agenter simuleras, samt ett test där planer genereras för samtliga implementerade mål utan rendering och simulering av agenter. Data som utvärderas är bl.a. planeringstiden, antal besökta noder under sökning och genererade planer. Utvärderingen visar en tydlig fördel till A*, som i snitt är 38 % snabbare än IDA* vid planering av åtgärder i GOAP. Slutsatsen blir att A* är den algoritm att föredra om prestanda är det som eftertraktas men IDA* kan motiveras för dess egenskaper, så som lägre minneskomplexitet. / <p>För tillgång till implementationen, maila f.helmesjo@gmail.com</p>