BORRERO PINARGOTE LUIS

RICHARD

MATERIA:INTELIGENCIA ARTIFILIAL

TEMA:ARTICULO SOBRE LOGICA DIFUSA

CURSO:QUINTO A

DOCENTE: ING. JORGE PINCAY

2014 - 2015
Tema
Anlisis de la Utilidad de la lgica difusa para juegos, implementando las reglas de mandami

Abstract
La inteligencia artificial en videojuegos est en constante evolucin. Este documento discute
como los agentes inteligentes usando lgica difusa pueden aportar a crear agentes con
comportamientos ms crebles, aumentando la experiencia del jugador.

Introduccin
Los videojuegos son los programas que mas evalan la experiencia del usuario, y las
capacidades de hardware de los equipos. Y se diferencian de otras formas de entretenimiento
por su alto grado de interactividad con los jugadores para producir un mbito real de
inmersin en un mundo de juego. Para ello hay que crear un punto de suspensin de la
realidad, mediante caractersticas que implican un mundo perfectamente simulado para los
ojos del jugador, y el usuario cree que es real.

El uso de agentes inteligentes se involucra a gran medida en el desarrollo de juegos de video,

y muchas areas de la computacin. Los agentes y la lgica difusa en conjunto, son capaces de
inducir al usuario a un estado de inmersin, y ayuda a la calidad de interaccin.

Los agentes proveen un paradigma que nos lleva a una interaccin flexible entre los personajes
del juego y la lgica difusa nos permite generar comportamientos sutiles.

Bsicamente un agente inteligente es un componente o entidad autmata la cual interactua

con el ambiente y actan en base a un objetivo especifico. En el diseo de los juegos los
agentes inteligentes representan a los enemigos o aliados que los jugadores encontraran.

El uso de agentes facilita la creacin de comportamientos complejos, y se adhieren

perfectamente al paradigma orientado a objetos.

Una de las formas de romper la sensacin de suspensin de la realidad es con agentes no

inteligentes, cuando un personaje del juego se queda en un ciclo o se atora con una pared, o
hace algn comportamiento que no consideramos coherente, este estado mental se rompe,
afectando la experiencia del juego. Los agentes inteligentes difusos tienen comportamientos
ms sutiles, con ms combinaciones entre ellos, esto ayuda a crear la ilusin de que son entes
inteligentes.

A pesar de que los agentes clsicos tambin pueden dar la ilusin de inteligencia, es la sutileza
de la lgica difusa la que lleva todava ms all esta ilusin. Adems, son alternativas fciles de
disear e implementar.
Metodologa
En los sistemas de lgica difusa de esta investigacin, se apoya en el mtodo deductivo donde
a partir de observaciones de los hechos mas significativos del comportamiento se puede
construir un sistema de reglas de inferencia para implementar la lgica difusa.

Escenario de utilidad en un videojuego.

El tipo de videojuegos donde se implementa la lgica difusa es en todos, pero nos

enfocaremos en ciertos tipos, donde el objetivo es conseguir la mayor cantidad de puntos
antes del gameover

Los puntos se consiguen eliminando a los enemigos, los cuales pueden ser 3 diferentes
enemigos, y el personaje principal que puede usar muchas armas diferentes en este caso
supongamos que 3, cada una es efectiva contra un tipo de enemigo y dbil ante los otros. Link
puede cambiar de arma tomando los iconos que aparecen en la pantalla cada cierto tiempo. El
jugador tiene que evaluar que tipo de enemigos hay en pantalla para ver si cambia de arma o
no, pues matar a un enemigo con el arma que es efectiva da mas puntos que matarlo con una
que es dbil. Conforme pasa el tiempo mas y mas enemigos empiezan a aparecer en pantalla
hasta que en algn momento el jugador pierda.

Ese es el concepto de cmo la lgica difusa puede caber, en el mundo de los videojuegos.

Ahora imaginemos que nuestro pequeo concepto de videojuego, tiene 3 tipos de enemigos.

Cuervo Negro enmascarado:

Este enemigo por su mscara resiste las bombas y las flechas, pero es vulnerable al ataque con
espada, su forma de atacar es tocando a jugador.

Ciclope:

Este enemigo tiene un gran ojo, va dejando bombas por su camino e intenta acercarse al
jugador, es vulnerable a las flechas.

Gusano:

Este enemigo solo emerge de la tierra para atacar lanzando un ataque mgico, su nica
debilidad son las bombas, es invulnerable a flechas y espada.

Sistemas de lgica difusa:

Los sistemas difusos basados en reglas es la forma ms usada de lgica difusa. Nosotros
usamos el sistema difuso basado en reglas de Mamdami, el cual consta de 4 partes
principales:

Fusificador: Establece una asociacin entre los valores ntidos y los valores de entrada
del Sistema de inferencia
 Base de conocimiento: Almacena informacin del problema en la forma de reglas de la
forma IFTHEN

Desfusificador: Hace lo opuesto al fusificador, toma los valores de salida del Sistema de
inferencia, y los transforma a valores ntidos.

Sistema de inferencia: Este sistema toma los valores fusificados, aplica las reglas de la
base de conocimiento, y despus pasa esos valores al desfusificador. Las reglas de la base de
conocimiento son del tipo: Si condicin1 y condicin2, entonces regla1 Si condicin2 y
condicion3, entonces regla2 Para aplicar el operador y (and), se toma el valor mnimo entre
las variables.

Para la seleccin, se tomo un umbral de 0.5, esto es, cuando el mnimo de las variables difusas
implicadas es mayor a 0.5, la regla se cumple, y para elegir que regla se usara, se toma al azar
una regla de entre todas las que se cumplieron, en caso de que ninguna regla se cumpla, el
enemigo perseguir al jugador.

Reglas difusas:

Para la IA difusa, usamos 7 variables difusas:

Distancia a la bomba: Si hay bombas en el escenario, esta variable toma la distancia a la bomba
ms cercana, tiene 2 valores difusos, cerca y lejos.

Distancia al power up: Si hay un power up en el escenario, esta variable indica la distancia al
power up, tiene 2 valores difusos, cerca y lejos.

Eficacia del arma actual: Cada enemigo tiene un arma contra la que es dbil, y 2 que no le
hacen mucho dao, esta variable tiene 2 valores, alta y baja.

Eficacia del power up:

Si hay un power up en el escenario, esta variable indica la eficacia que tendra el arma si el
jugador tomase ese powerup, esta variable tiene 2 valores, alta y baja.

Salud del enemigo: Esta variable indica que tanta salud o que tan vivo esta el enemigo, esta
variable tiene 2 valores, alta y baja.

Salud del jugador: Esta variable indica que tanta salud o que tan vivo esta el jugador, esta
variable tiene 2 valores, alta y baja.

Distancia al jugador: Esta variable indica la distancia del enemigo al jugador, esta variable tiene
2 valores, cerca y lejos. Estas variables difusas tienen diferentes valores para los 3 diferentes
tipos de enemigos, y se usaron un total de 20 reglas.

Las acciones posibles para los agentes son 2: alejarse u acercarse a algn objeto, donde el
objeto puede ser: el jugador, un powerup o una bomba.
Resultados
Bsicamente el uso de variables difusas en un escenario, orientado a un juego rcade, permiti
entender, de cmo crear comportamientos menos predecibles entre los personajes. aun
mucho mas con los 3 enemigos que interactan con el jugador, implementando sus propias
variables lo cual hace parecer menos algortmico su comportamiento.

La desventaja de este mtodo es que con una cantidad excesiva de reglas difusas, es mucho
ms complicado controlar el comportamiento de los personajes... es mas difcil de analizar y
probar. En este escenario, los agentes operan de manera independiente entre ellos, si se
hubieran usado reglas que dependan de otros

Agentes inteligentes, sera ms complicado probar su comportamiento.

Discuciones.
La lgica difusa es de gran utilidad para implementarse en agentes que se estima, tendran un
comportamiento independiente, como si actuaran por si solos no solo los efectos de
animacin y las fsicas pueden dar esa sensacin de realismo, si no que el comportamiento de
los mismos juegan un papel importante, y ese tipo de comportamientos provistos por la lgica
difusa mediante el sistema de reglas de mndami.

Bibliografa
Anderson, D. M. (12 de octubre de 1999). ieeexplore. Recuperado el 20 de octubre de 2014, de
http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=815554&url=http%3A%2F%2Fieeexpl
ore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D815554

Bova, S. D. (23 de julio de 2010). ieeexplore. Recuperado el 20 de octubre de 2014, de

http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5584830&url=http%3A%2F%2Fieeexpl
ore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5584830

motor, J. A.-p. (s.f.). ieeexplore. Recuperado el 20 de octubre de 2014, de

http://ieeexplore.ieee.org/xpl/articleDetails.jsp?reload=true&tp=&arnumber=648908&queryT
ext%3DFuzzyTECH+Software+Tool

Yifan Li, P. M.-S. (2004). Fuzzy logic in Agent-Based Game Design.