Detalhes bibliográficos
| Ano de defesa: |
2016 |
| Autor(a) principal: |
Oliveira, Caio Freitas De |
| Orientador(a): |
Goldbarg, Elizabeth Ferreira Gouvea |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/25633
|
Resumo: |
Jogos de estratégia em tempo real (RTS) apresentam muitos desafios para a criação de inteligências artificiais. Um destes desafios é criar um plano de ações efetivo dentro de um dado contexto. Um dos jogos utilizados como plataforma para criação de game AIs competitivas é o StarCraft. Tais game AIs têm dificuldade em se adaptar e criar bons planos para combater a estratégia inimiga. Neste trabalho, um novo modelo de escalonamento de tarefas é proposto modelando os problemas de planejamento em jogos RTS. Este modelo considera eventos cíclicos e consiste em resolver um problema multiobjetivo que satisfaz restrições impostas pelo jogo. São considerados recursos, tarefas e eventos cíclicos que traduzem as características do jogo em um caso do problema. O estado inicial do jogo contém as informações sobre os recursos, tarefas incompletas e eventos ativos. A estratégia define quais recursos maximizar ou minimizar e quais restrições são aplicadas aos recursos, bem como o horizonte de projeto. São investigados quatro otimizadores multiobjetivo: NSGA-II e sua variante focada em joelhos, GRASP e Colônia de Formigas. Experimentos com casos baseados em problemas reais de Starcraft são reportados. |
