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

<sss3@cin.ufpe.br>

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