Made available in DSpace on 2014-06-12T15:57:40Z (GMT). No. of bitstreams: 2 arquivo3218_1.pdf: 3612539 bytes, checksum: 40d4ce8fc0d298c91987ed31e8b8fc74 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A avaliação de sistemas computacionais é uma importante fase em seu processo de desenvolvimento, e isso não é diferente para sistemas que utilizam Inteligência Artificial (IA). Para esses sistemas, em particular, existe uma tendência à utilização de ambientes de simulação, conhecidos como testbeds, os quais auxiliam na avaliação desses sistemas em diferentes cenários de teste. A área de concentração desse trabalho é Sistemas Multiagentes (SMA). Essa área de pesquisa encontra-se em fase de expansão devido aos SMAs estarem sendo empregados em problemas considerados difíceis ou até mesmo impossíveis de serem solucionados por um único agente ou por sistemas monolíticos. Além disso, vários problemas interessantes surgem durante a interação entre os agentes normalmente envolvendo a resolução distribuída de problemas em tempo real. Atualmente existem vários testbeds utilizados na atividade de pesquisa na área de SMA tais como Trading Agent Competition, RoboCup Rescue e ORTS. Entretanto, a maioria desses testbeds não apresenta as características necessárias para auxiliar os pesquisadores na definição, implementação e validação de suas hipóteses. Este trabalho apresenta um ambiente de simulação, chamado RTSCup, para ser utilizado como testbed para implementação de aplicações na área de Sistemas Multiagentes. O RTSCup já foi utilizado com sucesso em experimentos práticos durante competições realizadas entre estudantes da Universidade Federal de Pernambuco

Tese de mestrado integrado. Engenharia Informática e Computação. Faculdade de Engenharia. Universidade do Porto. 2010

Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-07-30T13:08:13Z No. of bitstreams: 1 CaioFreitasDeOliveira_DISSERT.pdf: 5209631 bytes, checksum: d2308cc568d086c9b77311a9ea1e53fa (MD5) / Approved for entry into archive by clediane guedes (clediane@bczm.ufrn.br) on 2018-07-30T13:12:05Z (GMT) No. of bitstreams: 1 CaioFreitasDeOliveira_DISSERT.pdf: 5209631 bytes, checksum: d2308cc568d086c9b77311a9ea1e53fa (MD5) / Made available in DSpace on 2018-07-30T13:12:05Z (GMT). No. of bitstreams: 1 CaioFreitasDeOliveira_DISSERT.pdf: 5209631 bytes, checksum: d2308cc568d086c9b77311a9ea1e53fa (MD5) Previous issue date: 2016-08-05 / Jogos de estratégia em tempo real (RTS) apresentam muitos desafios para a criação de inteligências artificiais. Um destes desafios é criar um plano de ações efetivo dentro de um dado contexto. Um dos jogos utilizados como plataforma para criação de game AIs competitivas é o StarCraft. Tais game AIs têm dificuldade em se adaptar e criar bons planos para combater a estratégia inimiga. Neste trabalho, um novo modelo de escalonamento de tarefas é proposto modelando os problemas de planejamento em jogos RTS. Este modelo considera eventos cíclicos e consiste em resolver um problema multiobjetivo que satisfaz restrições impostas pelo jogo. São considerados recursos, tarefas e eventos cíclicos que traduzem as características do jogo em um caso do problema. O estado inicial do jogo contém as informações sobre os recursos, tarefas incompletas e eventos ativos. A estratégia define quais recursos maximizar ou minimizar e quais restrições são aplicadas aos recursos, bem como o horizonte de projeto. São investigados quatro otimizadores multiobjetivo: NSGA-II e sua variante focada em joelhos, GRASP e Colônia de Formigas. Experimentos com casos baseados em problemas reais de Starcraft são reportados. / Jogos de estratégia em tempo real (RTS) apresentam muitos desafios para a criação de inteligências artificiais. Um destes desafios é criar um plano de ações efetivo dentro de um dado contexto. Um dos jogos utilizados como plataforma para criação de game AIs competitivas é o StarCraft. Tais game AIs têm dificuldade em se adaptar e criar bons planos para combater a estratégia inimiga. Neste trabalho, um novo modelo de escalonamento de tarefas é proposto modelando os problemas de planejamento em jogos RTS. Este modelo considera eventos cíclicos e consiste em resolver um problema multiobjetivo que satisfaz restrições impostas pelo jogo. São considerados recursos, tarefas e eventos cíclicos que traduzem as características do jogo em um caso do problema. O estado inicial do jogo contém as informações sobre os recursos, tarefas incompletas e eventos ativos. A estratégia define quais recursos maximizar ou minimizar e quais restrições são aplicadas aos recursos, bem como o horizonte de projeto. São investigados quatro otimizadores multiobjetivo: NSGA-II e sua variante focada em joelhos, GRASP e Colônia de Formigas. Experimentos com casos baseados em problemas reais de Starcraft são reportados.