Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Global Descriptors of Convolution Neural Networks for Remote Scene Images Classification Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Battle Prediction System in StarCraft Combined with Topographic Considerations

verfasst von : ChengZhen Meng, Yu Tang, ChenYao Wu, Di Lin

Erschienen in: Artificial Intelligence in China

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper focuses on the prediction of combat outcomes in a local battle during a game of StarCraft. Through the analysis of the initial state of the two armies and considering the influence of the terrain in StarCraft on the combat effectiveness of both sides, the concept of the terrain correction factor is introduced to establish a mathematical model. Secondly, using SparCraft is to simulate battles and generate data sets. Finally, the maximum a posteriori probability estimation (MAP) is used to train the previously established data set to complete the parameter estimation of the mathematical model.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Zone-Based Resource Allocation Strategy for Heterogeneous Spark Clusters
Nächstes Kapitel Task Scheduling Strategy for Heterogeneous Spark Clusters
Literatur
1.
Ravari YN, Bakkes S, Spronck P (2016) Starcraft winner prediction. In: Twelfth artificial intelligence and interactive digital entertainment conference
2.
Graepel T, Minka T, Herbrich RTS (2007) A Bayesian skill rating system. Adv Neural Inf Process Syst 19:569–576
3.
Minka TP (2001) A family of algorithms for approximate Bayesian inference. Massachusetts Institute of Technology
4.
Sánchez-Ruiz AA (2015) Predicting the outcome of small battles in starcraft. ICCBR (Workshops), pp 33–42
5.
Stanescu MA, Barriga N, Buro M (2015) Using Lanchester attrition laws for combat prediction in StarCraft. In: Eleventh artificial intelligence and interactive digital entertainment conference
6.
Uriarte A, Ontanón S (2015) Automatic learning of combat models for RTS games. In: Eleventh artificial intelligence and interactive digital entertainment conference
7.
Stanescu M, Hernandez SP, Erickson G et al (2013) Predicting army combat outcomes in StarCraft. In: Ninth artificial intelligence and interactive digital entertainment conference
8.
Uriarte A, Ontanón S (2018) Combat models for RTS games. IEEE Trans Games 10(1):29–41CrossRef
9.
Wender S, Watson I (2012) Applying reinforcement learning to small scale combat in the real-time strategy game StarCraft: Broodwar. In: 2012 IEEE conference on computational intelligence and games (CIG). IEEE, pp 402–408
10.
Sánchez-Ruiz AA, Miranda M (2017) A machine learning approach to predict the winner in StarCraft based on influence maps. Entertain Comput 19:29–41CrossRef
Metadaten
Titel
Battle Prediction System in StarCraft Combined with Topographic Considerations
verfasst von
ChengZhen Meng
Yu Tang
ChenYao Wu
Di Lin
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Artificial Intelligence in China

Print ISBN: 978-981-15-0186-9

Electronic ISBN: 978-981-15-0187-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0187-6_14

Neuer Inhalt

    Bildnachweise