Modelos e Algoritmos para o Problema de Planejamento para Produção de Recursos em Jogos

93 Pages·2016·4.97 MB·Portuguese

Universidade Federal do Rio Grande do Norte
Centro de CiŒncias Exatas e da Terra
Departamento de InformÆtica e MatemÆtica Aplicada
Programa de P(cid:243)s-Gradua(cid:231)ªo em Sistemas e
Computa(cid:231)ªo
Modelos e Algoritmos para o Problema de
Planejamento para Produ(cid:231)ªo de Recursos em
Jogos de EstratØgia de Tempo Real
Caio Freitas de Oliveira
Natal-RN
Agosto de 2016
Caio Freitas de Oliveira
Modelos e Algoritmos para o Problema de
Planejamento para Produ(cid:231)ªo de Recursos em Jogos de
EstratØgia de Tempo Real
Disserta(cid:231)ªodeMestradoapresentadaaoPro-
grama de P(cid:243)s-Gradua(cid:231)ªo em Sistemas e
Computa(cid:231)ªo do Departamento de InformÆ-
tica e MatemÆtica Aplicada da Universidade
Federal do Rio Grande do Norte como re-
quisito parcial para a obten(cid:231)ªo do grau de
Mestre em Sistemas e Computa(cid:231)ªo.
Orientadora
Dra. Elizabeth Ferreira GouvŒa Goldbarg
Universidade Federal do Rio Grande do Norte (cid:21) UFRN
Centro de CiŒncias Exatas e da Terra (cid:21) CCET
Departamento de InformÆtica e MatemÆtica Aplicada (cid:21) DIMAp
Programa de P(cid:243)s-Gradua(cid:231)ªo em Sistemas e Computa(cid:231)ªo (cid:21) PPgSC
Natal-RN
Agosto de 2016
Catalogação da Publicação na Fonte. UFRN / SISBI / Biblioteca Setorial
Especializada do Centro de Ciências Exatas e da Terra – CCET.

Oliveira, Caio Freitas de.

Modelos e algoritmos para o problema de planejamento para produção de

recursos em jogos de estratégia de tempo real / Caio Freitas de Oliveira. – Natal,
RN, 2016.
91 f. : il.

Orientadora: Profa. Dra. Elizabeth Ferreira Gouvêa Goldbarg.

Dissertação (Mestrado) – Universidade Federal do Rio Grande do Norte. Centro
de Ciências Exatas e da Terra. Departamento de Informática e Matemática Aplicada.
Programa de Pós-Graduação em Sistemas e Computação.

1. Inteligência artificial – Dissertação. 2. Modelos de otimização – Dissertação.
3. Otimização multiobjetivo – Dissertação. 4. Jogos de estratégia em tempo real –
Dissertação. 5. Planejamento de projeto – Dissertação. I. Goldbarg, Elizabeth
Ferreira Gouvêa. II. Universidade Federal do Rio Grande do Norte. III. Título.

RN/UF/BSE-CCET CDU 004.8

I can’t believe they put me in one of these things!
I told ’em I was claustrophobic, I gotta get outta here!
SCV, StarCraft
Modelos e Algoritmos para o Problema de
Planejamento para Produ(cid:231)ªo de Recursos em Jogos de
EstratØgia de Tempo Real
Autor: Caio Freitas de Oliveira
Orientadora: Dra. Elizabeth Ferreira GouvŒa Goldbarg
Resumo
Jogos de estratØgia em tempo real (RTS) apresentam muitos desa(cid:28)os para a cria(cid:231)ªo de
inteligŒncias arti(cid:28)ciais. Um destes desa(cid:28)os Ø criar um plano de a(cid:231)ıes efetivo dentro de um
dado contexto. Um dos jogos utilizados como plataforma para cria(cid:231)ªo de inteligŒncias ar-
ti(cid:28)ciais competitivas Ø o StarCraft. Tais inteligŒncias arti(cid:28)ciais para jogos tŒm di(cid:28)culdade
em se adaptar e criar bons planos para combater a estratØgia inimiga. Neste trabalho, um
novo modelo de escalonamento de tarefas Ø proposto para os problemas de planejamento
em jogos RTS. Este modelo considera eventos c(cid:237)clicos e consiste em resolver um problema
multiobjetivo que satisfaz restri(cid:231)ıes impostas pelo jogo. Sªo considerados recursos, tare-
fas e eventos c(cid:237)clicos que traduzem as caracter(cid:237)sticas do jogo em um caso do problema.
O estado inicial do jogo contØm as informa(cid:231)ıes sobre os recursos, tarefas incompletas e
eventos ativos. A estratØgia de(cid:28)ne quais recursos maximizar ou minimizar e quais res-
tri(cid:231)ıes sªo aplicadas aos recursos, bem como o horizonte de projeto. Sªo investigados
quatro otimizadores multiobjetivo: NSGA-II e sua variante focada em joelhos, GRASP e
Col(cid:244)nia de Formigas. Experimentos com casos baseados em problemas reais de Starcraft
sªo reportados. Nestes experimentos, o NSGA-II mostrou um desempenho superior aos
outros otimizadores.
Palavras-chave: Modelos de Otimiza(cid:231)ªo, Otimiza(cid:231)ªo Multiobjetivo, Jogos de EstratØgia
em Tempo Real, Planejamento de Projeto.
Models and Algorithms for the Resource Production
Scheduling Problem on Real-time Strategy Games
Author: Caio Freitas de Oliveira
Advisor: Dra. Elizabeth Ferreira GouvŒa Goldbarg
Abstract
Real-time strategy (RTS) games hold many challenges in the creation of a game arti(cid:28)cial
intelligence (AI). One of those challenges is creating an e(cid:27)ective plan for a given context.
A game used as platform for experiments and competition of game AIs is StarCraft. Its
game AIs have struggled to adapt and create good plans to counter the opponent strategy.
In this paper, a new scheduling model is proposed to planning problems on RTS games.
This model considers cyclic events and consists in solving a multi-objective problem that
satis(cid:28)es constraints imposed by the game. Resources, tasks and cyclic events that trans-
late the game into an instance of the problem are considered. The initial state contains
information about resources, uncompleted tasks and on-going events. The strategy de(cid:28)nes
which resources to maximize or minimize and which constraints are applied to the resour-
ces, as well as to the project horizon. Four multi-objective optimizers are investigated:
NSGA-II and its knee variant, GRASP and Ant Colony. Experiments with cases based
on real Starcraft problems are reported. In these experiments, NSGA-II showed better
performance than the other optimizers.
Keywords: Optimization Model, Multi-objective Optimization, Real-time Strategy Ga-
mes, Project Scheduling.
Lista de (cid:28)guras
1 Captura de tela de Dune II. . . . . . . . . . . . . . . . . . . . . . . . . p.18
2 Recursos de StarCraft. . . . . . . . . . . . . . . . . . . . . . . . . . . . p.19
3 Solu(cid:231)ıes para a estratØgia exemplo. . . . . . . . . . . . . . . . . . . . . p.43
4 Solu(cid:231)ıes para a estratØgia exemplo. . . . . . . . . . . . . . . . . . . . . p.48
5 Representa(cid:231)ªo de um sistema de um jogo simples de coleta de recursos e
produ(cid:231)ªo de unidades. . . . . . . . . . . . . . . . . . . . . . . . . . . . p.50
6 Grafo para um algoritmo de cria(cid:231)ªo de solu(cid:231)ıes baseado em formigas. . p.60
7 Hipervolumes para as meta-heur(cid:237)sticas utilizadas. . . . . . . . . . . . . p.67
8 Tempo em segundos para os otimizadores testados. . . . . . . . . . . . p.68
9 Solu(cid:231)ıes encontradas pelas meta-heur(cid:237)sticas para o caso de teste (l). . . p.70
10 Base inicial em StarCraft ap(cid:243)s poucos minutos de jogo. . . . . . . . . . p.76
11 Recursos na interface grÆ(cid:28)ca de StarCraft. . . . . . . . . . . . . . . . . p.77
12 Matriz psi(cid:244)nica dos Protoss. . . . . . . . . . . . . . . . . . . . . . . . . p.78
13 `rvore tecnol(cid:243)gica dos Protoss. . . . . . . . . . . . . . . . . . . . . . . p.79
14 `rvore tecnol(cid:243)gica dos Terran. . . . . . . . . . . . . . . . . . . . . . . . p.83
15 Gosma dos Zerg. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.86
16 `rvore tecnol(cid:243)gica dos Zerg. . . . . . . . . . . . . . . . . . . . . . . . . p.87
17 Hipervolume de um conjunto de pontos num espa(cid:231)o bidimensional. . . p.91
Lista de tabelas
3 Recursos do exemplo de produ(cid:231)ªo de recursos. . . . . . . . . . . . . . . p.41
4 Tarefas do exemplo de produ(cid:231)ªo de recursos. . . . . . . . . . . . . . . . p.41
5 Estado inicial I do exemplo de produ(cid:231)ªo de recursos. . . . . . . . . . . p.42
0
6 Eventos do exemplo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.46
7 Tarefas do exemplo com eventos c(cid:237)clicos. . . . . . . . . . . . . . . . . . p.46
8 Estado inicial I do exemplo com eventos c(cid:237)clicos. . . . . . . . . . . . . p.47
0
9 Intervalos de valores dos par(cid:226)metros comuns utilizados pelo irace. . . . p.63
10 Par(cid:226)metros comuns encontrados para os otimizadores pelo irace. . . . . p.63
11 Intervalos de valores dos par(cid:226)metros espec(cid:237)(cid:28)cos utilizados pelo irace. . . p.64
12 Par(cid:226)metros espec(cid:237)(cid:28)cos encontrados para os otimizadores pelo irace. . . p.64
13 Fun(cid:231)ıes objetivo e restri(cid:231)ıes adicionais para os casos de teste dos expe-
rimentos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p.65
14 Ranking dos algoritmos baseado nas medianas de cada indicador. . . . p.66
15 Resultado dos p-valores para o teste U de Mann-Whitney. . . . . . . . p.69
Lista de abreviaturas e siglas
AIIDE Arti(cid:28)cial Intelligence and Interactive Digital Entertainment
CIG Computational Intelligence and Games
GRASP Greedy Randomized Adaptve Search Procedure
IA InteligŒncia Arti(cid:28)cial
IEEE Institute of Electrical and Electronics Engineers
MOACO Multi-Objective Ant Colony Optimization
MOGRASP Multi-Objective GRASP
NSGA-II Non-Dominated Sorting Genetic Algorithm II
PDDL Planning Domain De(cid:28)nition Language
PPOPR Problema de Planejamento Online para Produ(cid:231)ªo de Recursos em RTS
PPPMRR Problema de Planejamento de Projetos Multimodo com Restri(cid:231)ªo de Re-
cursos
PPPR Problema de Planejamento para Produ(cid:231)ªo de Recursos
PPPREC Problema de Planejamento para Produ(cid:231)ªo de Recursos com Eventos C(cid:237)-
clicos
RTS Real-Time Strategy
SLA* Search and Learn A*