Swarm Intelligence in Strategy Games

Desenvolver um jogador inteligente para um jogo não é tarefa fácil. Cada Jogador Artificial Inteligente é criado especificamente para o seu contexto e, por essa razão, é não é facilmente reutilizável. No entanto, alguns dos desenvolvimentos a mais baixo nível possuem maior significância tanto para jogos como para outras área — como é o caso de algoritmos de procura, optimização de caminhos (pathing), ou optimização geral. Neste trabalho, desenhámos e implementámos um algoritmo que combina conceitos de Inteligência de Enxame (Swarm Intelligence) com os mechanismos de decisões tradicionais utilizados em jogadores artificiais inteligentes — especificamente aqueles usados em Jogos de Estratégia. O nosso principal objectivo era, portanto, averiguar a adequação do conhecimento actual em Inteligência de Enxame para com os requisitos do Jogador Artificial Inteligente, seguido do desenvolvimento do algoritmo de teste em si. O conceito básico passo pelo o afastamento da comum solução centralizada, e aproximação de uma solução descentralizada, complementada pela aplicação de algumas noções relativas à Inteligência de Enxame actualmente documentadas. O algoritmo resultante estava responsável pelo método de comunicação entre as unidades de um Jogador Artificial Inteligente. Um Jogador Artificial Inteligente de implementação centralizada e scriptada foi usado como referência para a nossa solução baseada em Inteligência de Enxame. Este trabalho é assim uma tentativa de resposta aos problemas resultantes de Jogadores Artificiais previsíveis — um problema comum de implementações scriptadas — e melhorar a sua capacidade de adaptação — ao tirar partido do comportamento emergente resultante dos conceitos de Inteligência de Swarm.