Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA
Los videojuegos multijugador de arena de batalla en línea (MOBA), es un genero de videojuegos que durante la última década han ganado popularidad en la escena competitiva de los E-Sports. Este incremento en su popularidad y la complejidad propia de los mismos han llamado la atención de investigadore...
- Autores:
- Tipo de recurso:
- masterThesis
- Fecha de publicación:
- 2021
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/58888
- Palabra clave:
- Agente racional
Videojuegos
Aprendizaje de máquina
Optimización
Rational agent
Videogames
Machine learning
Optimization
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Videojuegos
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
id |
JAVERIANA_5394ca9c1d7f36b143aefa4b9f8678fd |
---|---|
oai_identifier_str |
oai:repository.javeriana.edu.co:10554/58888 |
network_acronym_str |
JAVERIANA |
network_name_str |
Repositorio Universidad Javeriana |
repository_id_str |
|
dc.title.none.fl_str_mv |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA Rational Agent Architecture to Recommend which Item to Buy in MOBA Videogames |
title |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
spellingShingle |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA Juan Guillermo, López Guzmán Agente racional Videojuegos Aprendizaje de máquina Optimización Rational agent Videogames Machine learning Optimization Maestría en inteligencia artificial - Tesis y disertaciones académicas Videojuegos |
title_short |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
title_full |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
title_fullStr |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
title_full_unstemmed |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
title_sort |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBA |
dc.creator.none.fl_str_mv |
Juan Guillermo, López Guzmán |
author |
Juan Guillermo, López Guzmán |
author_facet |
Juan Guillermo, López Guzmán |
author_role |
author |
dc.contributor.none.fl_str_mv |
Bustacara Medina, Cesar Julio Florez Valencia, Leonardo Navarro Newball, Andrés Adolfo |
dc.subject.none.fl_str_mv |
Agente racional Videojuegos Aprendizaje de máquina Optimización Rational agent Videogames Machine learning Optimization Maestría en inteligencia artificial - Tesis y disertaciones académicas Videojuegos |
topic |
Agente racional Videojuegos Aprendizaje de máquina Optimización Rational agent Videogames Machine learning Optimization Maestría en inteligencia artificial - Tesis y disertaciones académicas Videojuegos |
description |
Los videojuegos multijugador de arena de batalla en línea (MOBA), es un genero de videojuegos que durante la última década han ganado popularidad en la escena competitiva de los E-Sports. Este incremento en su popularidad y la complejidad propia de los mismos han llamado la atención de investigadores en todas las áreas del conocimiento, incluyendo la Inteligencia Artificial. Dichos investigadores han utilizado una amplia variedad de técnicas de Aprendizaje de Maquina buscando mejorar la experiencia de diversos usuarios -jugadores novatos, jugadores expertos, espectadores, entre otros- a través de modelos de predicción, sistemas de recomendación y, aunque se han utilizado técnicas de optimización; estas últimas han sido las menos utilizadas en los videojuegos tipo MOBA. Por ello, el presente trabajo de investigación propone la arquitectura de un agente racional capaz de recomendar a un jugador que objeto comprar para aumentar sus probabilidades de ganar una partida, utilizando una técnica de optimización para la generación de recomendaciones. En la arquitectura propuesta, el agente percibe su ambiente con la información disponible en el API del videojuego League of Legends -uno de los MOBA mas populares actualmente-. Tal información es interpretada por una Regresión Logística que durante las etapas tempranas del juego demostró tener una precisión alrededor de 0.975. A su vez, la técnica de optimización seleccionada para generar la sugerencia fue GRASP; en promedio cada sugerencia es generada en 0.36 segundos, estas sugerencias durante la experimentación lograron aumentar la probabilidad de ganar una partida en promedio 5.2x. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-13 2022-02-02T14:12:00Z 2022-02-02T14:12:00Z |
dc.type.none.fl_str_mv |
http://purl.org/coar/version/c_ab4af688f83e57aa Tesis/Trabajo de grado - Monografía - Maestría http://purl.org/coar/resource_type/c_bdcc info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/10554/58888 https://doi.org/10.11144/Javeriana.10554.58888 instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
url |
http://hdl.handle.net/10554/58888 https://doi.org/10.11144/Javeriana.10554.58888 |
identifier_str_mv |
instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
PDF application/pdf application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
dc.source.none.fl_str_mv |
reponame:Repositorio Universidad Javeriana instname:Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
instname_str |
Pontificia Universidad Javeriana |
instacron_str |
Pontificia Universidad Javeriana |
institution |
Pontificia Universidad Javeriana |
reponame_str |
Repositorio Universidad Javeriana |
collection |
Repositorio Universidad Javeriana |
_version_ |
1803712811015077888 |
spelling |
Arquitectura de un Agente Racional para recomendar que objetos comprar en un videojuego tipo MOBARational Agent Architecture to Recommend which Item to Buy in MOBA VideogamesJuan Guillermo, López GuzmánAgente racionalVideojuegosAprendizaje de máquinaOptimizaciónRational agentVideogamesMachine learningOptimizationMaestría en inteligencia artificial - Tesis y disertaciones académicasVideojuegosLos videojuegos multijugador de arena de batalla en línea (MOBA), es un genero de videojuegos que durante la última década han ganado popularidad en la escena competitiva de los E-Sports. Este incremento en su popularidad y la complejidad propia de los mismos han llamado la atención de investigadores en todas las áreas del conocimiento, incluyendo la Inteligencia Artificial. Dichos investigadores han utilizado una amplia variedad de técnicas de Aprendizaje de Maquina buscando mejorar la experiencia de diversos usuarios -jugadores novatos, jugadores expertos, espectadores, entre otros- a través de modelos de predicción, sistemas de recomendación y, aunque se han utilizado técnicas de optimización; estas últimas han sido las menos utilizadas en los videojuegos tipo MOBA. Por ello, el presente trabajo de investigación propone la arquitectura de un agente racional capaz de recomendar a un jugador que objeto comprar para aumentar sus probabilidades de ganar una partida, utilizando una técnica de optimización para la generación de recomendaciones. En la arquitectura propuesta, el agente percibe su ambiente con la información disponible en el API del videojuego League of Legends -uno de los MOBA mas populares actualmente-. Tal información es interpretada por una Regresión Logística que durante las etapas tempranas del juego demostró tener una precisión alrededor de 0.975. A su vez, la técnica de optimización seleccionada para generar la sugerencia fue GRASP; en promedio cada sugerencia es generada en 0.36 segundos, estas sugerencias durante la experimentación lograron aumentar la probabilidad de ganar una partida en promedio 5.2x.Multiplayer online battle arena (MOBA) video games are a genre of video games that during the last decade have gained popularity in the competitive E-Sports scene. This increase in popularity and MOBA’s complexity have attracted the attention of researchers in all areas of knowledge, including Artificial Intelligence (AI). AI researchers have used a wide variety of Machine Learning techniques seeking to improve the experience of various users - novice players, expert players, spectators, among others - through prediction models, recommendation systems and optimization algorithms. However, optimization algorithms have been the least used in MOBA videogames. For that reason, this research proposes the architecture of a rational agent capable of recommending to a player what item to buy to increase his probabilities of winning a game, using an optimization technique for generating recommendations. In the proposed architecture, the agent perceives his environment with the information available in the API of League of Legends -currently, one of the most popular MOBA videogames -. Such information is interpreted by a Logistic Regression that during the early stages of the game was shown to have an accuracy around 0.975. Additionally, the optimization technique selected to generate the suggestion was GRASP. On average each suggestion is generated in 0.36 seconds. During experimentation, these suggestions increase the probability of winning a game on average 5.2x.Magíster en Inteligencia ArtificialMaestríaPontificia Universidad JaverianaMaestría en Inteligencia ArtificialFacultad de IngenieríaBustacara Medina, Cesar JulioFlorez Valencia, LeonardoNavarro Newball, Andrés Adolfo2022-02-02T14:12:00Z2022-02-02T14:12:00Z2021-12-13http://purl.org/coar/version/c_ab4af688f83e57aaTesis/Trabajo de grado - Monografía - Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/10554/58888https://doi.org/10.11144/Javeriana.10554.58888instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.cospaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2022-04-29T17:38:36Z |