Arboles de decision

Medio Ambiente

Planet Wars, juego basado en Galcon. El juego tiene un mapa que contiene varios planetas, cada uno con un escuadrón de naves. Los planetas pueden pertenecer a uno de tres propietarios diferentes: al jugador 1, al enemigo o neutral. El juego tiene un cierto número máximo de vueltas y el juego puede terminar antes si uno de los jugadores pierde todas sus naves. Si ambos jugadores tiene el mismo número de naves cuando el juego termina, es un empate.

Actividad que el Agente Aprenderá: Maximizar su eficiencia de juego por medio de la creación de una estrategia de juego.

Algoritmo Arboles de decision

Experiencia de Aprendizaje: En el medio ambiente y el algoritmo dado (en este arboles de decisión), el agente aprenderá a generar una decisión, a partir de atributos que le daremos. Se puede dividir en 3 el número de acercamientos a este aprendizaje, pues puede aprender por acciones, estrategias o estados. Por estados sería que estuviera atacando, defendiendo o expandiendo; por estrategia seria que por una serie de tornos tomara una secuencia de acciones en base a su análisis del medio ambiente. Y por acciones, es literalmente decirle que ataque efectuar cada turno, es decir decirle que dado por ejemplo 10 planetas míos, y 15 planetas enemigos, conviene seguir expandiendo. Dado que lo mejor es que cada turno evalúe su medio, decidimos que este sería este mejor método.

Ejemplos del Estados

PGCD	PGCND	PGLD	…	PEGCD	PEGCND	…	FGC	FGL	Decision
mucho	poco	poco		mucho	poco		nulo	poco	MPGCD

Conclusiones

Después de trabajar en la implementación de árboles de decisión en Planet Wars, pudimos llegar a la conclusión de que la implementación en este medio no es viable debido a la naturaleza del mismo; ya que al ser en parte muy dinámico y en parte variable en tamaño, por esto se refiere al número de planetas totales en cada partida, un árbol puede resultar inservible de un juego a otro.

NOTA IMPORTANTE: por las razones expuestas en la conclusión, no se tiene un video del programa corriendo, una disculpa atenta por esto.