Dissertação

{en_GB=Swarm Intelligence in Strategy Games} {} EVALUATED

{pt=Desenvolver um jogador inteligente para um jogo não é tarefa fácil. Cada Jogador Artificial Inteligente é criado especificamente para o seu contexto e, por essa razão, é não é facilmente reutilizável. No entanto, alguns dos desenvolvimentos a mais baixo nível possuem maior significância tanto para jogos como para outras área — como é o caso de algoritmos de procura, optimização de caminhos (pathing), ou optimização geral. Neste trabalho, desenhámos e implementámos um algoritmo que combina conceitos de Inteligência de Enxame (Swarm Intelligence) com os mechanismos de decisões tradicionais utilizados em jogadores artificiais inteligentes — especificamente aqueles usados em Jogos de Estratégia. O nosso principal objectivo era, portanto, averiguar a adequação do conhecimento actual em Inteligência de Enxame para com os requisitos do Jogador Artificial Inteligente, seguido do desenvolvimento do algoritmo de teste em si. O conceito básico passo pelo o afastamento da comum solução centralizada, e aproximação de uma solução descentralizada, complementada pela aplicação de algumas noções relativas à Inteligência de Enxame actualmente documentadas. O algoritmo resultante estava responsável pelo método de comunicação entre as unidades de um Jogador Artificial Inteligente. Um Jogador Artificial Inteligente de implementação centralizada e scriptada foi usado como referência para a nossa solução baseada em Inteligência de Enxame. Este trabalho é assim uma tentativa de resposta aos problemas resultantes de Jogadores Artificiais previsíveis — um problema comum de implementações scriptadas — e melhorar a sua capacidade de adaptação — ao tirar partido do comportamento emergente resultante dos conceitos de Inteligência de Swarm., en=Developing an intelligent player for a game is no easy task. Each Artificial Intelligent Player is created specifically for each context with very little re-usability. However, some lower level developments have great significance in both games and other areas — such as the search, pathing, or optimization algorithms. In this work, we designed and implemented an algorithm that combined Swarm Intelligence concepts with the traditional decision mechanisms of modern Artificial Intelligent Players — specifically those used in Strategy Games. Our main objective was to assert the adequacy of Swarm Intelligence current knowledge to the Artificial Intelligent Player requirements, followed by the development of a test algorithm in itself. The basic concept was to distance our implementation from a common centralized solution, into a decentralized solution, and complementing it by applying some of the currently documented Swarm Intelligence notions. The resulting algorithm was especially responsible for the means of communication between the units of an Artificial Intelligent Player. A centralized and scripted Artificial Intelligence was used as benchmark for our Swarm Intelligence based solution. This work is an attempt to answer the problems resulting from predictable Artificial Players — a common issue with scripted implementations — and to improve its adaptability — taking advantage of the emergent behavior resulting of the Swarm Intelligence concepts.}
{pt=Jogador Artificial Inteligente, Inteligência de Enxame, Inteligência Descentralizada, Algoritmo, Comunicação, Adaptabilitdade, en=Artificial Intelligent Player, Swarm Intelligence, Decentralized Intelligence, Algorithm, Communication, Adaptability}

Junho 2, 2015, 14:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Pedro Alexandre Simões dos Santos

Departamento de Matemática (DM)

Professor Auxiliar

ORIENTADOR

Carlos António Roque Martinho

Departamento de Engenharia Informática (DEI)

Professor Auxiliar