Um estudo de estratégias para coleta de recursos em ambientes multi-agentes
description
Transcript of Um estudo de estratégias para coleta de recursos em ambientes multi-agentes
UM ESTUDO DE ESTRATÉGIAS PARA COLETA DE RECURSOS EM AMBIENTES MULTI-AGENTESSergio Schechtman Sette
JOGOS RTS
As ações são realizadas em tempo real Cada unidade tem um tempo para realizar o
processamento Etapas principais comuns na maioria dos
RTS: Coleta de Recursos Criação de Construções e Unidades Pesquisa de Tecnologias Exploração Combate
IA EM JOGOS RTS
Historicamente, game designers têm criado a ilusão de inteligência através de scripts. O problema dos scripts é que para serem efetivos, eles devem ser complexos, mas a complexidade acaba criando fraquezas e previsibilidade. Eventualmente um jogador humano será capaz de reconhecer e se aproveitar destas fraquezas, destruindo a ilusão.[1]
COLETA EM JOGOS RTS
Jogos RTS oferecem uma grande variedade de problemas fundamentais de IA, ao contrario de outros gêneros de jogos estudados pela comunidade de IA até agora. [2]
Problemas principais Pathfinding Coordenação
multiagente Escolha do recurso
PROBLEMAS NA COLETA MULTIAGENTE
PathFinding A* A* colaborativo
Escolha do melhor recurso Distância
Manhatan e Euclideana Disponibilidade Acessibilidade
A*
Simples, eficiente e completo Trata obstáculos e terrenos com diferentes
custos de travessia Eficiente em ambientes monoagentes
A* COLABORATIVO
A* + reservas Cada agente reserva o path encontrado pelo
A* Na verificação de colisão, as reservas
também são consideradas
DISTÂNCIA
Manhattan e Euclideana Distância real vs Estimativa
DISPONIBILIDADE E ACESSIBILIDADE
Disponibilidade: Número de vagas vs número de agentes coletando
Acessibilidade: Considera a dificuldade que o agente encontra para chegar ao recurso
ESTADO DA ARTE
Optimal Foraging Theory E/(h+s)
jcmjWorker A* Recurso mais próximo Tratamento de colisão simples
ESTRATÉGIA PROPOSTA
Pathfinding A* Colaborativo Tratamento de delay
Escolha do recurso Distância
Inicial = Manhatan Atualizada a cada visita
Regiões Clusters de minas adjacentes A atualização é propagada pelas regiões
Função de utilidade Distância Distância ao agente Numero de agentes no mesmo recurso
ESTRATÉGIA PROPOSTA (CONT)
Agente Explorador (Scout) Procura as minas menos visitadas Atualiza com peso
Máquina de estados
SIMULAÇÃO
Simulador escolhido: RTSCup Tick: 50ms Foram realizados testes em 5 mapas
RESULTADOSAgente Mapa
1Mapa2
Mapa3
Mapa4
Mapa5
CloserWorker 260 1330 720 5973 1487
ZigWorker 510 1340 870 6388 1800
ZigWorker com agente explorador
X X 896 6397 1820
ZigWorker sem utilizar propagação de regiões
X X X X 1610
ZIGWORKER
CLOSERWORKER
DEMONSTRAÇÃO
ZigWorker CloserWorker
REFERENCIAS
[1] ARNOLD, Rachael. Real Time Strategy Games as Domain for AI Research
[2] BURO, Michael, Real-Time Strategy Games: A New AI Research Challenge
[3] MOURA, José Carlos. Uma estratégia eficiente de coleta multiagente para jogos RTS