Reinforcement learning for macro-management in the microrts game

Abstract

Resumo: Nesta dissertacao, apresentamos uma proposta para a aplicacao de tecnicas de aprendizado por reforco em jogos de estrategia em tempo real para aprender estrategias de macro-gerenciamento. Esta proposta tem como objetivo colocar tecnicas comumente usadas em outros tipos de aplicacoes e mostrar como elas sao mais rapidas e eficientes do que outras tecnicas usadas neste campo. Para a implementacao, usamos um jogo chamado MicroRTS, que tem as caracteristicas minimas para ser considerado um jogo de Estrategia em Tempo Real e foi desenvolvido para avaliar implementacoes de inteligencia artificial sem precisar lidar com um jogo completo como StarCraft ou Wargus imediatamente. Palavras-chave: Aprendizado de Maquina, Aprendizado por reforco, MicroRTS.

Abstract: In this dissertation, we present a proposal for applying reinforcement learning techniques in Real Time Strategy games to learn macro-management strategies. This proposal aims to put techniques that are commonly used in other types of applications and show how it is faster and more efficient than other techniques used in this field. For the implementation, we use a game called MicroRTS, which has the minimal characteristics to be considered an RTS game and was developed to evaluate Artificial Intelligence implementations without having to deal with a full game like StarCraft or Wargus immediately. Keywords: Machine Learning, Reinforcement Learning, MicroRTS, Macro-management