Regelbaserad AI för StarCraft II

Abstract

Att fatta strategiska beslut under tidspress är komplicerat både i verkligheten och i realtidsstrategispel (RTS-spel). Denna kandidatrapport presenterar hur vår AIagent använder regelbaserade metoder för att spela StarCraft II, ett datorspel med inkomplett information och många möjliga tillstånd. Spel som detta tillhandahåller tydligt definierade miljöer med stora tillståndsrymder, vilket gör dem till lämpliga plattformar för forskning inom AI. Resultatet av detta arbete visar en klassisk AI som utgör en utmaning för såväl människor som andra AI-agenter. Dock krävs många abstraktioner och förenklingar för att få en överskådlig och modulär kodbas, vilket i specifika spelsituationer begränsar AI-agenten. Trots detta vinner den över spelets inbyggda AI på nivån Elite, vilket är den svåraste nivån som inte använder några fusk.