Tesista:

Erwin Brian Montes Chaparro

Director de Tesis:
Dr. ngel Eduardo Muoz Zavala

Asesores:
Mtro. Rigoberto Jurez Atic
Dr. Jaime Muoz Arteaga

Qu es un juego?
Es un contexto con reglas entre adversarios.
Intentan conseguir objetivos.
Involucra una actividad con una o ms personas.
Se tiene la capacidad de tomar decisiones para
alcanzar los objetivos.
Qu es un videojuego?
Es una prueba mental.
Llevada a cabo frente a una
computadora (consola).
Tiene ciertas reglas.
Su fin es la diversin y esparcimiento
Qu es un juego serio?
Utiliza la diversin como herramienta.
Para formacin en mbitos como
Educacin, Sanidad, Poltica y
Comunicacin Estratgica.
Qu es un Videojuego?
Qu es un Videojuego?
Qu es el Combate Mle?
Qu es el Hack n Slash?
Boxing
(Activision, 1980)
Karateka
(Jordan Mechner, 1984)
Double Dragon
(Taito, 1987)
Teenage Mutant Ninja Turtles
(Konami, 1989)
Conjunto de elementos que comparten
caractersticas en comn.
Conjunto de elementos que comparten
caractersticas en comn.
Complejidad de Control vs. Complejidad de Non-
Player Characters (NPCs)
El jugador es el nico que suele aprender durante
un juego.
Existe gran cantidad de informacin que se
desaprovecha para hacer contra al jugador.
Los juegos tienden a la monotona por su falta de
dinamismo.
I.A. vs. I.A.
Desbalance en la informacin entre jugador y
NPC.
Cheats & Exploits
Aplicaciones comnmente vistas en juegos de
Tablero determinsticos.
Niveles de Dificultad Discretos.
Scripting esttico.
Existe una forma de identificar patrones de
comportamiento en un jugador en el
ambiente controlado de un Hack n Slash
utilizando procesos estocsticos como
herramienta de estimacin y evaluacin.
Dotar al NPC de un mecanismo de
obtencin de informacin equitativo
con respecto a la manera en que el
jugador obtiene informacin del
juego.
Mejorar la Rejugabilidad.
Adaptar el nivel de dificultad segn
la habilidad del jugador.
Machine-Learning escalable con un
uso de recursos de cmputo
relativamente bajos.
Tipos de Ataque:
Fuerte: 25% de Stamina.
Medio: 15% de Stamina.
Dbil: 5% de Stamina.
Estado Idle:
Recuperacin de Stamina.
Estrategia.
Estado Defensivo.
Nivel de Stamina:
Bajo: Stamina<=45
Alto: Stamina>45

Estimacin de los atributos del jugador para
deducir la situacin actual.
Salud (HP)
Stamina (S)
Mana (M)
Probabilidad condicionada
1. Cantidad de Estamina restante: Basada en los
tipos de ataque y defensa realizados por el
jugador.
2. Cantidad de Salud Restante: Basada en la cantidad
de ocasiones en que el jugador defendi o evadi
algn ataque.
Por medio del teorema de la Probabilidad
Total se define la probabilidad de un Ataque
Fuerte (AF) con respecto al nivel de Estamina.




Donde SB representa la estamina baja.
P(AF)= P(AF/SB) P(SB)+ P( AF/ SA) P(SA)
Teorema de Bayes









Para obtener AF y SB se toman en cuenta los registros
del jugador por medio de la probabilidad histrica.

P(SB/ AF)=
P( AF/ SB) P(SB)
P( AF/ SB) P(SB)+P( AF/ SA) P(SA)
P(SA/ AF)=
P( AF/ SA) P(SA)
P( AF / SB)P(SB)+P(AF / SA)P(SA)
Matriz de Nivel de Stamina dado Ataque:
Las probabilidades se obtienen a partir de los registros
histricos del jugador.
Diagrama de Estados
Matriz de Transicin:
Las probabilidades se obtienen a partir de los registros
histricos del jugador, aplicando las propiedad de
Markov.
Exploit
Solucin al Exploit
Solucin al Exploit
Solucin al Exploit
Solucin al Exploit
Cancelacin de combo en caso
de no tener suficiente Stamina.

Tamao de la Base de conocimientos:
20
50
100
200
500
1000
2000

Tras cada ataque, se captura si la prediccin
fue exitosa o no.
Inicializacin:
500 combos aleatorios del grupo 1 que generan
entre 1500 y 2500 movimientos, provocando el
vuelco de matrices en al menos una ocasin.

Prueba 1:
Ejecucin de captura de Combos del grupo 1.

Prueba 2:
Ejecucin de captura de Combos del grupo 2.
El mximo ptimo capturado para 4 estados
distintos (AF, AM, AD, I) es de 50, con una
probabilidad de xito del 70% en su
estimacin.
Si la adaptacin tiende a 100% el juego sera
imposible de vencer.
Se logr generar un mtodo de Aprendizaje-
Mquina utilizando el uso de Procesos
estocsticos a travs de las Cadenas de
Markov y el Teorema de Bayes.

Fue posible la abstraccin de los elementos
de un Hack n Slash para la estimacin de la
situacin del jugador basado en los
enfrentamientos anteriores.

Gracias a las cadenas de Markov, fue posible
definir una secuencia de movimientos de
combate de manera dinmica dentro del
entorno controlado que ofrece el gnero Hack
n Slash, utilizando bajos recursos
computacionales.

Se puede lograr un comportamiento
inteligente en los NPC que aporten reto al
jugador sin necesidad de Cheating.
Es posible aplicar el modelo propuesto a
otros gneros que tienen definido un
ambiente acotado por un conjunto de
parmetros finitos identificables.
Los distintos tamaos de base de
conocimientos pueden ser utilizados para
definir distintos niveles de dificultad en base
a la probabilidad de xito.
Debido a la baja complejidad en el clculo
requerida para el mtodo de adaptacin
propuesto, es posible migrarlo fcilmente a
dispositivos con bajos recursos o con espacio
pequeo en tiempo de ejecucin para rutinas
de Inteligencia Artificial como lo son los
mviles y las consolas de Videojuegos.
Crear una Herramienta ms robusta para
aplicar en gneros ms complejos (RTS, FPS).
Continuar trabajando para crear un motor de
Inteligencia Artificial basado en Procesos
estocsticos.