Teses

O Diplomacy é um jogo de estratégia onde 2 a 7 jogadores competem pela sua supremacia sobre a Europa no virar do século XX. É um jogo onde a sorte ou a aleatoriedade não tem qualquer papel e os jogadores negoceiam entre si de forma a ganharem vantagem. O tabuleiro está dividido em 75 províncias onde 34 são chamados "supply centers". Os turnos estão divididos em fases dedicadas à negociação, aos movimentos das peças dos jogadores e a ajustes do tabuleiro. No final de cada ano/turno, cada jogador ajusta o número de peças ao de "supply centers" que possui. Ganha o jogador que, no final de uma estação, detenha 18 dos 34 "supply centers" disponíveis no tabuleiro. Neste trabalho foi criado um jogador automático (bot) dedicado ao jogo acima apresentado. O Tagus é um bot desenvolvido para a plataforma de jogos de Diplomacy oferecida pelo projecto DAIDE, usando um kit de desenvolvimento oferecido pelo mesmo. Tirando partido da negociação que faz com os restantes jogadores e de uma biblioteca de aberturas, o bot ganha vantagem a nível do jogo, sempre com o objectivo de ganhar. O tipo negociação feita é simples e inclui apenas propostas de aliança ou paz com base na tensão e confiança com os outros jogadores. As experiências feitas revelam que negociação traz vantagens às partes intervenientes. Além disso, tornou-se claro que, em alguns casos, o uso de bibliotecas de abertura fortalece os seus utilizadores no início do jogo.

Procedural content generation is a technique used in many games. But if the game generates too much content this way, it can be difficult to test all possible scenarios with players before launching the game. In these cases, an AI agent is used to test the whole content, but it only performs basic validations and does not gives us the subjective feedback of a player. In this situation, it seems there is no viable way of testing large amounts of generated content. We created a methodology that uses an affective agent, to test a game using the personality and skill of a player to give us some emotional feedback on the playtesting session. The affective agent is a combination of an affective agent architecture and a personality model. We present PLEASED, an implementation of our methodology that was used as an example of our approach. To evaluate how effective is our approach, we designed and developed a game to be evaluated by PLEASED. The effectiveness of our system was measured by comparing feedback from PLEASED with players' feedback. Our results suggest that PLEASED is more suitable to simulate “casual" players than “hardcore" players and that “hardcore" players follow different criteria to evaluate a game when compared to casual ones.

Graphical Processing Units (GPUs) have evolved at a large pace, maintaining a processing power orders of magnitude higher than Central Processing Units (CPUs). As a result, the interest of using the General-Purpose computing on Graphics Processing Units (GPGPU) paradigm has grown. Nowadays, effort is being put to study probabilistic search algorithms like the Randomized Search Algorithms (RSA) family, which have good time complexity, and thus can be adapted to massive search spaces. One of those algorithms is Rapidly-Exploring Random Tree (RRT) which reveals good results when applied to high dimensional dynamical search spaces. This work consists in the design, exploration and study of the use of GPGPU-based parallelization techniques in order to improve the application of RRT to racing videogames. To approach such study, a new variant of the RRT algorithm called Iterative Parallel Sampling RRT (IPS-RRT) was developed and a bot for the TORCS open source racing game was built. The results show that, although accesses to the GPU’s memory present high latency, the use of GPGPU-based techniques like the one of this work can still improve not only the planning computational efficiency but also the quality of the returned solutions, as GPU IPS-RRT achieved temporal improvements in big problem sizes (when generating 6400 states) and lap time reductions of around 19%.

World War Online é um jogo de estratégia multijogador jogado num navegador de internet, criado pela Chilltime. O objetivo deste trabalho foi melhorar o sistema de batalhas anterior, reformulando-o completamente tanto em jogabilidade como em interface de utilizador, para que os jogadores sentissem que têm mais controlo sobre o resultado de cada batalha, reduzindo o fator de aleatoriedade, e para aumentar o número de jogadores que jogam ativamente o jogo. Começamos por analisar em detalhe o sistema de batalhas anterior e depois analisamos jogos com conceitos semelhantes mas que tenham sistemas de batalha mais robustos. De seguida, descrevemos os problemas de usabilidade encontrados no sistema de batalhas anterior, obtidos através de testes com utilizadores. Quanto à nossa solução, começamos por descrevê-la em detalhe e como é que ela foi criada, apresentando a evolução de protótipos e os testes feitos com utilizadores. Finalmente, apresentamos os resultados obtidos através deste trabalho para este novo sistema de batalhas.