![Page 1: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/1.jpg)
Intelligence artificielle dans les jeux RTS
IFT615 – Été 2011
Simon Chamberland
![Page 2: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/2.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 3: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/3.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 4: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/4.jpg)
4
Real-Time Strategy But typique: anéantir l’adversaire! Joueurs jouent simultanément
Acquérir des ressources Construire une base Recruter des unités
Jeux RTS?
![Page 5: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/5.jpg)
5
StarCraft 1998 - Blizzard Entertainment
Jeux RTS?
3 Races Terran Protoss Zerg
![Page 6: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/6.jpg)
6
StarCraft
Jeux RTS?
![Page 7: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/7.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 8: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/8.jpg)
8
Moins d’efforts que sur l’aspect graphique
Performance laissant habituellement à désirer
Sauf si l’IA « triche » Informations complètes
sur la carte Rythme plus élevé
d’acquisition de ressources
IA dans les jeux RTS
![Page 9: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/9.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 10: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/10.jpg)
10
Temps réel Prendre une décision
rapidement!
Multitude d’unités Beaucoup d’actions
possibles…
Défis
![Page 11: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/11.jpg)
11
Concurrence 5 actions sans concurrence 25 actions avec concurrence
Environnement dynamique Que fera l’adversaire?
Information incomplète Brouillard de guerre
Défis
![Page 12: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/12.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 13: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/13.jpg)
13
StarCraft En marge d’une conférence sur les jeux
(AIIDE)
Compétition AIIDE 2010
![Page 14: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/14.jpg)
14
Première compétition l’année dernière 28 participants Revient cette année!
Compétition AIIDE 2010
![Page 15: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/15.jpg)
15
Différents tournois1. Contrôle d’unités
(micromanagement)
2. Contrôle d’unités+ terrain non trivial
3. Partie avec tech. limitée
4. Partie complète
Compétition AIIDE 2010
Muta/scourges vs muta/scourges
![Page 16: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/16.jpg)
16
Différents tournois1. Contrôle d’unités
(micromanagement)
2. Contrôle d’unités+ terrain non trivial
3. Partie avec tech. limitée
4. Partie complète
Compétition AIIDE 2010
10 dragoons vs 10 dragoons
![Page 17: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/17.jpg)
17
Différents tournois1. Contrôle d’unités
(micromanagement)
2. Contrôle d’unités+ terrain non trivial
3. Partie avec tech. limitée
4. Partie complète
Compétition AIIDE 2010
Tech ≤ dragoons, information parfaite
![Page 18: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/18.jpg)
18
Différents tournois1. Contrôle d’unités
(micromanagement)
2. Contrôle d’unités+ terrain non trivial
3. Partie avec tech. limitée
4. Partie complète
Compétition AIIDE 2010
GL HF!
![Page 19: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/19.jpg)
19
Exemple « épique » (partie complète)
Compétition AIIDE 2010
http://www.youtube.com/v/Kr_5XICVSEE
![Page 20: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/20.jpg)
20
Overmind (UC Berkeley) – gagnant
Compétition AIIDE 2010
http://www.youtube.com/v/dOIgFkyfStg
![Page 21: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/21.jpg)
21
Overmind (UC Berkeley) – gagnant Haut niveau: planificateur
Contraintes de ressources Assure une progression technologique de l’agent
Compétition AIIDE 2010
![Page 22: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/22.jpg)
22
Overmind (UC Berkeley) – gagnant Haut niveau: planificateur
Contraintes de ressources Assure une progression technologique de l’agent
Bas niveau: microcontrôleurs Trajectoires: A* avec reconnaissance de menace Champs de potentiel
Compétition AIIDE 2010
![Page 23: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/23.jpg)
23
Sherbrooke AI – Steve Tousignant, Anthony Jo Quinto et Frédéric St-Onge
2e (sur 7) dans le tournoi #1 Carte d’influence
Visibilité Densité d’unités Menaces
Compétition AIIDE 2010
![Page 24: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/24.jpg)
24
Machines à états finis Scripts Cartes d’influence Champs de potentiel
Compétition AIIDE 2010 AIIDE - Techniques utilisées
![Page 25: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/25.jpg)
25
Machines à états finis Scripts Cartes d’influence Champs de potentiel
Compétition AIIDE 2010 AIIDE - Techniques utilisées
Réseaux de neurones Swarm intelligence Inférence probabiliste Algorithmes
génétiques
![Page 26: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/26.jpg)
26
Machines à états finis Scripts Cartes d’influence Champs de potentiel
Compétition AIIDE 2010 AIIDE - Techniques utilisées
Réseaux de neurones Swarm intelligence Inférence probabiliste Algorithmes
génétiques
![Page 27: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/27.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 28: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/28.jpg)
28
Objectifs Testbed pour les algorithmes de
planification/reconnaissance de plan
Participer à AIIDE 2011!
Agent artificiel SPAR
![Page 29: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/29.jpg)
29
Architecture
Agent artificiel SPAR
![Page 30: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/30.jpg)
30
Architecture
Agent artificiel SPAR
![Page 31: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/31.jpg)
31
Modules de prisede décision
Agent artificiel SPAR
Objectifs à long terme, i.e. composition de l’armée
Actions à accomplir (déplacer, attaquer, construire…)
Exécution des actions
Réactions (si → alors…)
![Page 32: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/32.jpg)
32
Agent artificiel SPAR
Inférence par cas?
Planification
Ad hoc
Machines à états finis
Modules de prisede décision
![Page 33: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/33.jpg)
33
Agent artificiel SPAR
Inférence par cas?
Planification
Ad hoc
Machines à états finis
Modules de prisede décision
![Page 34: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/34.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 35: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/35.jpg)
35
Un seul agent Environnement potentiellement non-déterministe
Objectif: trouver des actions (un plan) permettant d’atteindre un but
Planification
![Page 36: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/36.jpg)
36
Classique On a
Un état initial Un ensemble d’actions (déplacer, attaquer…) Un but à atteindre
Planification
![Page 37: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/37.jpg)
37
Classique On a
Un état initial Un ensemble d’actions (déplacer, attaquer…) Un but à atteindre
Simuler des actionsdans le temps
Jusqu’à atteindrele but
Planification
Déplacer Défendre
Attaquer
![Page 38: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/38.jpg)
38
Classique Choisir le « meilleur plan »
Qui respecte les contraintes Qui optimise une
métrique / fonction d’utilité
A*
Planification
![Page 39: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/39.jpg)
Plan Jeux RTS? IA dans les jeux RTS
DéfisCompétition AIIDE 2010Agent artificiel SPAR
TechniquesPlanificationThéorie des jeux
![Page 40: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/40.jpg)
40
Contexte multi-agent Objectif: trouver des actions maximisant l’utilité
d’un agent Problème: l’utilité dépend des décisions des autres
agents!
Théorie des jeux
![Page 41: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/41.jpg)
41
Hypothèses principales Agent rationnel
Voulant maximiser son utilité
Agent égoïste N’est pas concerné par
l’utilité des autres
Très utilisée en économie
Théorie des jeux
![Page 42: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/42.jpg)
42
Jeux séquentiels à deux joueurs (Avec information parfaite et somme nulle) On a
Un ensemble d’actions, {Agent} et {Adversaire} Une fonction d’utilité
Théorie des jeux
![Page 43: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/43.jpg)
43
Jeux séquentiels à deux joueurs (Avec information parfaite et somme nulle) On a
Un ensemble d’actions, {Agent} et {Adversaire} Une fonction d’utilité
Trouver des actions maximisant l’utilité de l’agent
Selon un modèle de l’adversaire
Théorie des jeux
![Page 44: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/44.jpg)
44
Jeux séquentiels à deux joueurs Minimax (ou alpha-beta pruning)
On assume que l’adversaire joue optimalement Maximiser son pire gain
Théorie des jeux
![Page 45: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/45.jpg)
45
Jeux simultanés à deux joueurs L’agent et l’adversaire jouent en même
temps Ex: ciseau-roche-papier
Théorie des jeux
![Page 46: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/46.jpg)
46
Jeux simultanés à deux joueurs L’agent et l’adversaire jouent en même
temps Ex: ciseau-roche-papier
Le résultat dépend des deux actions
Théorie des jeux
Ciseaux Roche Papier
Ciseaux 0 -1 1
Roche 1 0 -1
Papier -1 1 0
![Page 47: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/47.jpg)
47
Jeux simultanés à deux joueurs (Avec information imparfaite et somme nulle) On a
Un ensemble d’actions, {Agent} et {Adversaire} Une fonction d’utilité
Trouver des actions maximisant l’utilité de l’agent
Selon un modèle de l’adversaire
Théorie des jeux
![Page 48: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/48.jpg)
48
A ou B?
Théorie des jeux
A? B?
? ?
![Page 49: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/49.jpg)
49
A ou B?
Théorie des jeux
Adversaire/Agent
A’ B’
A 2 -2
B -4 3
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
![Page 50: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/50.jpg)
50
A ou B?
Si on connaît a priori le modèle de probabilité de l’adversaire:
Processus de décision de Markov
Théorie des jeux
Adversaire/Agent
A’ (60%)
B’ (40%)
A 2 -2
B -4 3
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
![Page 51: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/51.jpg)
51
A ou B?
Si on connaît a priori le modèle de probabilité de l’adversaire:
Processus de décision de Markov
Théorie des jeux
Adversaire/Agent
A’ (60%)
B’ (40%)
A 2 -2
B -4 3
Action = AV = 0.4
![Page 52: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/52.jpg)
52
A ou B?
Si on n’a aucune information
Théorie des jeux
Adversaire/Agent
A’(?)
B’(?)
A 2 -2
B -4 3
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
![Page 53: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/53.jpg)
53
A ou B?
Si on n’a aucune information Équilibre de Nash
On assume que l’adversaire joue optimalement Chaque stratégie est la meilleure face à l’autre
Théorie des jeux
Adversaire/Agent
A’(?)
B’(?)
A 2 -2
B -4 3
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
![Page 54: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/54.jpg)
54
A ou B?
Si on n’a aucune information Équilibre de Nash
On assume que l’adversaire joue optimalement Chaque stratégie est la meilleure face à l’autre
Théorie des jeux
Action = (64% A, 36% B)V = -0.18
Adversaire/Agent
A’(45%)
B’(55%)
A (64%) 2 -2
B (36%) -4 3
![Page 55: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/55.jpg)
55
Game Tree
Théorie des jeux
s1
A’ B’B’
A’
A B
![Page 56: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/56.jpg)
56
Game Tree
Théorie des jeux
2 -2 -4 3
A B
?s1
A’ B’B’
A’
Feuilles
![Page 57: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/57.jpg)
57
Game Tree
Théorie des jeux
2 -2 -4 3
A B
?
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
Adversaire/Agent
A’ B’
A 2 -2
B -4 3
![Page 58: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/58.jpg)
58
Game Tree
Théorie des jeux
2 -2 -4 3
A B
-0.18
A’: attaquer base AB’: attaquer base B
A: défendre base AB: défendre base B
Adversaire/Agent
A’(45%)
B’(55%)
A (64%) 2 -2
B (36%) -4 3
Action = (64% A, 36% B)V = -0.18
![Page 59: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/59.jpg)
59
Game Tree
Théorie des jeux
-4 1 -1-0.18 Adversaire/Agent
C’ D’
C -0.18 -4
D 1 -1
C D
C’ D’D’
C’
![Page 60: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/60.jpg)
60
Game Tree
Théorie des jeux
-0.18 -4 1 -1
-1
Adversaire/Agent
C’(0%)
D’(100%)
C (0%) -0.18 -4
D (100%) 1 -1
Action = D (domination stricte)
V = -1
C D
![Page 61: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/61.jpg)
61
Jeux simultanés à deux joueurs Somme générale (non-constante)
Ex: dilemme des prisonniers
Théorie des jeux
1/2 Se taire Dénoncer
Se taire (-0.5, -0.5) (-10, 0)
Dénoncer (0, -10) (-5, -5)
![Page 62: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/62.jpg)
62
Jeux simultanés à deux joueurs Somme générale (non-constante)
Ex: dilemme des prisonniers
Théorie des jeux
1/2 Se taire Dénoncer
Se taire (-0.5, -0.5) (-10, 0)
Dénoncer (0, -10) (-5, -5)
Un seul équilibre (de Nash): (Dénoncer, Dénoncer)!
![Page 63: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/63.jpg)
63
Intelligence artificielle dans les jeux RTS: plus compliqué que jouer aux échecs…
Tirer profit de la reconnaissance de plan
Conclusion
Reconnaissance de plan
Prise de décision
![Page 64: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/64.jpg)
Questions?
![Page 65: Intelligence artificielle dans les jeux RTS IFT615 – Été 2011 Simon Chamberland](https://reader038.vdocuments.pub/reader038/viewer/2022102814/551d9db5497959293b8d9bc7/html5/thumbnails/65.jpg)