Project Hoshimi
24
Project Hoshimi DAUTROY Stéphane ROGER julien BEGUE Jean- Baptiste
description
Project Hoshimi. DAUTROY Stéphane ROGER julien BEGUE Jean-Baptiste. Plan. Les problématiques mises en jeu Description de l’algorithme de sélection du point d’injection La machine à états. Rappel. Rappel. Principe général Soigner des points malades de la carte les « points hoshimi » - PowerPoint PPT Presentation
Transcript of Project Hoshimi
Project Hoshimi
DAUTROY Stéphane ROGER julienBEGUE Jean-Baptiste
Plan
Les problématiques mises en jeu
Description de l’algorithme de sélection du point d’injection
La machine à états
Rappel
Rappel
Principe général Soigner des points malades de la carte les
« points hoshimi »
Utilisation des « molécules AZN » disponibles à certains points de la carte
Construction par le nanoAI de nanobots soignant les points Hoshimi et d'autres les ravitaillant en molécules AZN
Les problématiques mises en jeu
Les problématiques mises en jeu
La détermination du point d’injection
C’est le point de départ sur la carte
Une bonne stratégie reste inefficace si le point d’injection est mauvais
Les problématiques mises en jeu
Les problématiques mises en jeu
Utilisation d’une machine à états
La stratégie doit être la plus générique possible
Décomposition du problème en états de plus en plus précis
Détermination du point d’injection
o Problématique
o Solution
o Exemple
Détermination du point d’injection
Problématique: maximiser le score d’une partie Parcourir et remplir le maximum de
points Hoshimi
Ce qui fait la différence entre les meilleures IA
Détermination du point d’injection
Maximiser le nombre de points Hoshimi parcourus et tenter d’en parcourir le plus possible en début de partie.
Mise en œuvre de nos connaissances relatives à la théorie des graphes et des statistiques.
Détermination du point d’injection
Méthode utilisée : Lancement de voyageur de commerce sur
chaque point Hoshimi admissible comme point de départ
Suppression des points parasites : le chemin doit être faisable dans le temps d’une partie sans la contrainte de cycle
Entre 50 et 100 chemins potentiels
Discrimination des chemins sur différents critères jusqu’a obtention du plus prometteur
Premierpoint AZN trop loin
Pas assezde pointsHoshimidans le chemin
Distance entre les points Hoshimi trop élevée
Distance entre les premierspoints Hoshimi trop élevée
Utilisation du coefficient de corrélation linéaire de la distance entre les points Hoshimi
Meilleur chemin trouvé
La machine à états
o Problématique
o Solution
o Exemple
La machine à états
La problématique : Gestion de plusieurs stratégies en
parallèles sur plusieurs niveaux. Global : conquérir un maximum de points
Hoshimi Gérer des comportements de groupes Gérer des comportements relatifs aux
unités elles-mêmes.
Gestion de comportements spéciaux comme la fuite.
La machine à états
L’implémentation de l’IA sous la forme d’une machine à états permet de répondre à cette problématique.
Permet une programmation générique et modulaire en rendant l’ajout et la réutilisation d’états très simples.
La machine à états
Décomposition de l’IA en machine à états
Strategy_Manager
Blockers Shooters Needles Collectors
Collector
CollectAZNState
MoveToAZNState
MoveToHoshimiState
TransferAZNState
NIVEAU GROUPE
NIVEAU GLOBAL
NIVEAU UNITE
Shooter
AttackTargetState
MoveToTargetState
RestState
Machine à états d’un collecteur
Aller à un point AZN
Récolter des molécules
AZN
Remplir le needle
Aller à un point
Hoshimi
fuite
Machine à états d’un groupe de collecteur
Demander collecteurs
Relâcher collecteurs
Conclusion
Code générique : utilisation des concepts objets : « design pattern », héritage, polymorphisme…
Concepts IA : machine à états, A-Star
Optimisation : Voyageur de commerce.
