Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/36745
ORCID:  http://orcid.org/0000-0002-9786-3798
Document type: Tese
Access type: Acesso Aberto
Title: Uma abordagem para melhorar o desempenho de agentes automáticos que operam em ambientes competitivos por meio de informações semânticas sobre mudanças de comportamento do oponente
Alternate title (s): An approach to improve the performance of automatic agents operating in competitive environments through semantic information about opponent's behavior changes
Author: Vieira Júnior, Eldane
First Advisor: Julia, Rita Maria da Silva
First coorientator: Paiva, Elaine Ribeiro de Faria
First member of the Committee: Carvalho, André Carlos Ponce de Leon Ferreira de
Second member of the Committee: Nascimento, Marcelo Zanchetta do
Third member of the Committee: Pereira, Fabíola Souza Fernandes
Fourth member of the Committee: Chaimowicz, Luiz
Summary: O presente trabalho de Doutorado propõe e implementa uma inédita abordagem para aumentar o desempenho de agentes que operam em cenários competitivos que envolvem fluxo contínuo de dados por meio de informações relativas à dinâmica do comportamento de seus adversários. Para tanto, tais agentes devem ser dotados da habilidade de detectar, em tempo real, eventuais mudanças no comportamento de seus oponentes e, com base nessas informações, adaptar seus processos de tomada de decisão de forma a melhorar suas habilidades para lidar com os problemas para os quais foram concebidos. O jogo de Real-Time Strategy (RTS) StarCraft: BroodWar foi usado como estudo de caso. A abordagem proposta foi desenvolvida tendo como base as seguintes ações: 1) Extensão e aprimoramento do Micro-clustering DBScan (M-DBScan), que é um bem sucedido algoritmo de detecção de mudança de comportamento em cenários de fluxo contínuo de dados , de forma a permitir que ele aumente sua acurácia no processo de detecção de mudança de comportamento, bem como seja apto a associar, a cada um desses comportamentos, uma semântica que o represente; 2) Implementação de um agente jogador de StarCraft cujo módulo de tomada de decisão opere da seguinte maneira: as informações referentes aos significados do comportamento do adversário providas pelas versões estendidas do M-DBScan, aqui propostas, serão utilizadas como base para nortear o agente na execução de ações específicas que se moldem ao comportamento corrente do adversário. A abordagem proposta foi validada por meio de experimentos conduzidos de forma a avaliar as seguintes métricas: acurácia na detecção de mudanças de comportamento do oponente e na atribuição de significados a tais comportamentos; taxa de vitória do agente aqui proposto em torneios em que ele enfrenta diferentes versões do agente StarCraft. Os experimentos realizados corroboraram para o aumento na taxa de vitória do agente decorrente do uso tanto da informação semântica sobre a mudança de comportamento, quanto de um adequado conjunto de comportamentos, que são relevantes para o contexto do problema.
Abstract: This Ph.D. work proposes and implements an unprecedented approach to increase the performance of agents operating in competitive scenarios that involve a data stream of information related to the dynamics of their adversaries’ behavior. Therefore, such agents must have the ability to detect, in real-time, eventual changes in the opponents’ behavior and, based on this information, adapt their decision-making processes in order to improve their abilities to deal with problems for which were designed. The RTS StarCraft: BroodWar game was used as a case study. The proposed approach was developed based on the following actions: 1) Extension and improvement of M-DBScan, which is a successful behavior change detection algorithm for data stream scenarios, in order to increase its accuracy of detecting behavior change, as well as being able to associate to each of these behaviors, a semantic that represents it; 2) Implementation of a StarCraft player agent whose decision-making module operates as follows: the information regarding the meanings of the opponent’s behavior provided by the extended versions of M-DBScan, proposed here, will be used to guide the agent in the execution of adequate actions considering the current opponent behavior. The proposed approach was validated through experiments conducted in order to evaluate the following metrics: accuracy in detecting changes in the opponent’s behavior and in assigning meanings to such behaviors; the win rate of the developed agent in tournaments where it faces different opponents in the game Starcraft. With the experiments carried out, it was possible to demonstrate the gain in the agent’s winning rate, due to the use of semantic information about the behavior change and the use of an adequate set of behaviors, which are relevant to the context of the problem.
Keywords: Detecção de novidades
Fluxo contínuo de dados
Semântica de comportamento
Jogos RTS
StarCraft
Aprendizagem de máquina
Novelty detection
Data Stream
Behavior Semantics
RTS games
StarCraft
Machine learning
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Subject: Computação
Computação semântica
Jogos para computador
Algorítmos computacionais
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Ciência da Computação
Quote: VIEIRA, Eldane Júnior. Uma abordagem para melhorar o desempenho de agentes automáticos que operam em ambientes competitivos por meio de informações semânticas sobre mudanças de comportamento do oponente. 2022. 161 f. Tese (Doutorado em Ciência da computação) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI https://doi.org/10.14393/ufu.te.2022.672.
Document identifier: https://doi.org/10.14393/ufu.te.2022.672
URI: https://repositorio.ufu.br/handle/123456789/36745
Date of defense: 30-Nov-2022
Appears in Collections:TESE - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AbordagemMelhorarDesempenho.pdfTese20.37 MBAdobe PDFThumbnail
View/Open


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