Tese de mestrado integrado. Engenharia Informática e Computação. Faculdade de Engenharia. Universidade do Porto. 2009

Tese de mestrado integrado. Engenharia Informática e Computação. Faculdade de Engenharia. Universidade do Porto. 2009

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2012

Estágio realizado na Universidade de Aveiro e orientado pelo Prof. Doutor Nuno Lau / Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de Doutoramento. Engenharia Informática. Faculdade de Engenharia. Universidade do Porto. 2011

Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2003

Análise de Dados e Sistemas de Apoio à Decisão / Master in Data Analysis and Decision Support Systems / Este estudo propõe a definição de uma metodologia de classificação que permite identificar as formações das equipas, no domínio do futebol robótico, na liga de simulação de duas dimensões (2D). Para alcançar esse objectivo foram utilizadas técnicas de Data Mining para problemas de classificação. Para explicar o funcionamento e características do futebol robótico simulado, com ênfase nos sistemas multi-agente, descreveram-se: a constituição do sistema de simulação de futebol com as respectivas regras, a comunicação entre o simulador e os jogadores e os respectivos protocolos, as percepções e acções dos agentes, os jogadores heterogéneos, o agente treinador, as suas funções e a sua linguagem de comunicação. Posteriormente, apresentaram-se as etapas do processo de Data Mining: preparação de dados, redução de dados, modelização e análise de solução. Neste trabalho a primeira etapa - preparação dos dados apresentou: a selecção das equipas de teste, a configuração do ambiente de simulação em Linux, a configuração da equipa FC Portugal, utilizada neste estudo, e o respectivo treino de forma a efectuar um jogo de futebol robótico simulado com dez formações distintas. Após a realização de seis jogos, utilizando quatro equipas distintas, procedeu-se à conversão dos log files desses jogos num conjunto de dados no formato típico (forma de matriz). Na segunda etapa efectuou-se a redução dos dados na escolha dos atributos de forma empírica, com base no conhecimento do processo de formações no futebol do mundo real e do futebol robótico simulado. Na modelização seleccionaram-se também, de forma empírica, os classificadores com potencialidade para produzirem o melhor modelo de previsão das formações elegendo-se para a análise da solução o indicador de avaliação taxa de erro, complementado com o teste estatístico t-Sudent, para amostras emparelhadas. Os resultados obtidos no conjunto de experiências realizadas demonstraram que é possível identificar com grande exactidão as formações utilizadas pela equipa FC Portugal em distintos jogos utilizando técnicas de Data Mining. Analisando os resultados foi possível concluir que os classificadores Sequential Minimal Optimization (SMO) e o k-Nearest Neighbor (IBK) obtiveram o melhor desempenho nas experiências realizadas. Finalmente concluiu-se ainda que o classificador mais indicado para gerar um modelo de previsão antes dos jogos de futebol robótico simulado é o SMO. / This study proposes a definition of one methodology of classification that let identify the formations of the teams, in domain of robotic soccer, in the simulation league of two dimensions (2D) league. To reach the goal of this study it was used techniques of Data Mining for classification problems. To explain the operation and the characteristics of robotic soccer simulated, with emphasis on multi-agent systems, is described: the constitution of the system simulation of soccer (football) with the respective rules, the communication between the simulator and the players and the respective protocols, the perceptions and agents actions, the heterogeneous players, the coach agent, their functions and their language of communication. Posteriorly, is presented the stages of Data Mining process: data preparation, data reduction, modeling and solution analysis, In this work the first stage data preparation presented: the selection of the test teams, the configuration of the simulation environment in Linux, the configuration of FC Portugal team, used in this study, and their training in order to make a game of robotic soccer simulated with ten different formations. After the completion of the six games, using four distinct teams was made the conversion of the log files, of these games, in a dataset with the typical format (matrix form). In the second stage was carried out the data reduction of the attributes in the empirical way, based on the knowledge of formations process in the real world soccer and in the robotic soccer simulated. In modeling were selected too in the empirical way, the classifiers with potential to produce the best forecast model of the formations. In the stage for solution analysis, the main indicators for evaluation were the error rate and the statistical test t-Student for paired samples. The results in the set of experiments demonstrated that it was possible to identify, with great accuracy, the formations used by the team FC Portugal in distinct games using techniques of Data Mining. Analysing the results it is possible to deduce that the classifiers Sequential Minimal Optimization (SMO) and the k-Nearest Neighbor (IBK) obtained the best performance in the experiments performed. Finally it was concluded that the most appropriate classifier to generate a forecast model before the games in robotic soccer simulated is the SMO.