Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/SLSS-85RK8D
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Luiz Chaimowiczpt_BR
dc.contributor.referee1Geber Lisboa Ramalhopt_BR
dc.contributor.referee2Raquel Oliveira Pratespt_BR
dc.creatorRenato Luiz de Freitas Cunhapt_BR
dc.date.accessioned2019-08-10T07:14:04Z-
dc.date.available2019-08-10T07:14:04Z-
dc.date.issued2010-05-21pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/SLSS-85RK8D-
dc.description.abstractEven though Real Time Strategy (RTS) games are successfully being used as a platform for Artificial Intelligence (AI) research and experimentation, existing work tends to focus only on the development ofintelligent agents (bots) for winning an RTS game. Other approaches use Machine Learning techniques to learn the rules of the game to try to predict the player's next move. These approaches tend to ignoreinteresting research topics like the development of AI agents that help the user in his games. This work presents an approach to implement an AI agent capable of helping out the player by giving him some tactical and strategical tips. The problem we are trying to solve is to improve the performance of the human RTS player, and our main objective is to develop metrics to evaluate the current game state, elaborate hypothesis on how to improve the player's and communicate this information to him formatted as a set of strategy tips. User and performance tests suggest that the experimental framework developed in this work satisfies its main objectives without degrading an existing game's computational performance.pt_BR
dc.description.resumoApesar da crescente popularidade dos jogos de Estratégia em Tempo Real (RTS) como plataforma para pesquisa em Inteligência Artificial (IA), os trabalhos tendem a focar na criação de um agente inteligente (ou, neste caso, bot) capaz de ganhar um jogo RTS ou a implementar alguma das competências de um jogador de RTS em algum bot. Outras abordagens usam aprendizado de máquina para aprender regras sobre o domínio do jogo e tentar prever as próximas ações do inimigo. Essas abordagens tendem, no entanto, a ignorar tópicos de pesquisa como o desenvolvimento de agentes de IA que auxiliem o usuário em seus jogos.Este trabalho apresenta uma abordagem para implementação de um agente de IA capaz de auxiliar o jogador através de dicas táticas e de estratégia. Seu objetivo, portanto, é o de estabelecer métricas para avaliar o estado local de jogos RTS, elaborar hipóteses sobre qual é o desempenho atual do usuário, raciocinar sobre formas de melhorar o desempenho do jogador e apresentá-las sob a forma de dicas de estratégia para resolver o problema de melhorar o desempenho do jogador com a restrição de usar informação local, tornando oambiente parcialmente observável.Os resultados obtidos com testes com usuário e de desempenho sugerem que o arcabouço experimental desenvolvido neste trabalho cumpre seus objetivos sem degradar o desempenho de um jogo já existente.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInterface humano-computadorpt_BR
dc.subjectinteligência artificialpt_BR
dc.subjectEstratégia em tempo realpt_BR
dc.subjectsistemas especialistaspt_BR
dc.subject.otherSistemas de computação interativospt_BR
dc.subject.otherInteligência artificialpt_BR
dc.subject.otherInteração homem-maquinapt_BR
dc.subject.otherComputaçãopt_BR
dc.titleUm sistema de apoio ao jogador para jogos de estratégia em tempo realpt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
renatoluizdefreitascunha.pdf3.32 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.