ROBOCODE - FASE#3

Carlos Andres Barrios Gonzalez

caanbago@gmail.com
Ing. Huber Flores

Guatemala, Guatemala
Universidad de San Carlos de Guatemala
Facultad de Ingenierı́a.
Escuela de Ciencias y Sistemas.
Junio, 2009

1 Resumen
Existen distintos algoritmos y estrategias relacionadas con el campo de la in-
teligencia artificial que pueden ser utilizadas en la creación y programación de
robots en Robocode. Estos permiten seleccionar la mejor estrategia para vencer
a los adversarios en una batalla. Entre estos se encuentran: uso de redes neu-
ronales, algoritmos genéticos, vecino mas cercano (K-NN), arboles de decisión,
etc.

2 Abstract
Different algorithms and strategies related with the field of the artificial intelli-
gence can be used in the creation and programming in Robocode. These allow
to select the best strategy to conquer the opponents in a battle. Some of these
they: use of netral networks, genetic algorithms, k-nearest neighbors (K-NN),
decision trees, etc.

1
 3 ROBOCODE - Algoritmos y Estrategias

Build the best. Destroy the rest!

3.1 ARBOLES DE DECISION

Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la
inteligencia artificial. En base a la información se construyen diagramas de
construcciones lógicas utilizados para categorizar y representar distintas condi-
ciones. Por medio de los distintos sensores que cada robot posee en Robocode,
podemos obtener información sobre nuestros enemigos, el entorno y nosotros
mismos. Entre esta información se encuentra:

• El total de robots participantes.

• Nuestra cantidad de energı́a y de los enemigos.
• Tasa de aciertos.
• Frecuencia de disparos.
• Patrones de movimiento.

Para codificar el árbol de decisiones en Robocode, utilizamos la estructura

de control if-else y switch en Java. Toda la información que obtengamos pode-
mos utilizarla para generar distintas condiciones y decisiones basadas en esta
información, como por ejemplo:

1 S i ( numeroDeEnemigos > 5 ) {
esconderse ()
3 } sino {
Si ( energiaDelEnemigo > 10) {
5 disparar (1) ;
sino {
7 disparar (3) ;
}
9 }

2
 DIAGRAMA DE UN ARBOL DE DECISION:

3.2 VECINO MÁS CERCANO

Poder encontrar a los robots enemigos es uno de los aspectos vitales para ga-
nar una batalla en Robocode. Mediante el uso del radar podemos encontrar a
nuestros adversarios para poder encontrarlos y dispararles. Este método clasi-
fica objetos basándoos en la cercanı́a de un punto en el espacio. El algoritomo
K-NN es uno de los mas simples de todos los algoritmos de aprendizaje para
las maquinas El radar pude escanear robots a 1200 unidades de distancia, cada
vez que se detecta algún robot con el arco del radar es enviado al método on-
ScannedRobot(). La estrategia consiste en escanear con el radar el enemigo mas
cercano y aplicar un ataque. Dependiendo de la distancia, ajustar la potencia
del disparo optima para evitar la perdida de energı́a innecesaria.

3
 Usualmente es utilizada la distancia Euclidiana como medida para calcular
la cercanı́a de los robots respecto al nuestro.

Ejemplo: radar giratorio

El radar del robot gira de forma simple, método bastante simple e inefectivo
en luchas uno a uno.

1 public void run ( ) {

// . . .
3
do {
5 turnRadarRightRadians ( Double . POSITIVE INFINITY ) ;
} while ( true ) ;
7 }

3.3 CLUSTERING
El Clustering dinámico es una técnica para encontrar entradas en un registro
similar a la situación actual, es básicamente un algoritmo K-NN. La idea básica
es guardar un estado o situación en cada entrada de un registro con información
medible. Por ejemplo si guardamos información sobre la distancia de un ene-
migo, podemos usar estos datos para encontrar la distancia del estado actual y
de los estados pasados.

3.4 REDES NEURONALES

Las redes de neuronas artificiales (RNA o ANN) son un paradigma de apren-
dizaje y procesamiento automático inspirado en la forma en que funciona el
sistema nervioso de los animales. Esta formado por un conjunto de interconex-
iones que colaboran para producir una salida.

4
 En robocode el uso de redes neuronales permite predecir el movimiento de
los enemigos e ir aprendiendo para orientarse de la mejor forma y atacar. La
evolución permite que el robot aprenda, evite objetos y mejore su navegación.

3.5 ALGORITMOS GENETICOS

RobocodeJGAP es un enfoque que permite evolucionar robots en robocode por
medio de programación de algoritmos genéticos. Esta es una herramienta open
source que provee un framework basado en JGAP.

”http://jgap.sourceforge.net/doc/robocode/robocode.html”.

JGAP es tan simple de utilizar y solo requiere que los desarrolladores definan
una función fitness (una función encargada de evaluar a las soluciones y elegir
la mejor).
Los algoritmos genéticos permiten tratar cualquier secuencia de bits como si
fuera un genoma. La complicación viene en decidir qué significa esa secuencia de

5
bits e interpretar el genoma. La técnica de una programación genética permite
obtener mejores robots a través de mecanismos de evolución. Se comienza con
una población generada aleatoriamente, se seleccionan los mejores elementos.
La mutación y el cruce son los responsables de que aparezcan nuevos por lo que
en cada generación el comportamiento medio debe mejorar.

4 ESTRATEGIAS
Algunos ejemplos de estrategias en robocode son:
• LinearMovement: Movimiento en lı́nea recta, simple y con gran vulnera-
bilidad al apuntamiento lineal
• Oscillators: Movimiento en un conjunto de patrones que se repiten. Es
vulnerable al Pattern Matching.
• CircleBots: Robots que se mueven en circulos. Son vulnerables a apun-
tamiento circular.
• WallBots: Se mueven a lo largo de los muros, trantando de mantenerse
alejados y en movimiento, son vulnerable a LinearTargeting, excepto cerca
de las esquinas.
• RamBots: Se mueven en dirección del enemigo. Vulnerable a la mayorı́a
de los apuntamientos pero consigue bonus extras por ram (arrollar).
• StopAndGo: Reacciona ante fuego enemigo. Es efectivo frente a apun-
tamiento lineal y circular pero es vulnerable ante Pattern Matching y
GuessFactorTargeting.

La estrategia seleccionada debe de variar dependiendo de distintas variables

del entorno, como: cantidad de enemigos, nuestro nivel de energia, etc.

6
5 DESCRIPCION DE LA ESTRATEGIA SE-
LECCIONADA
Luego de realizar varias batallas de prueba con los robots de ejemplo incluidos
en robocode y de algunos mas avanzados descargados de internet, se obtuvieron
las siguientes observaciones para el diseño de la estrategia:

• Al iniciar una batalla con gran cantidad de enemigos, es mejor alejarse

y mantenerse en movimiento, como el robot Walls. Debido a la gran
cantidad de robots en la arena, mientras nos mantengamos en movimiento
constante, esperamos a que los demás robots se eliminen entre ellos.
• La estrategia de Walls no es ofensiva, y la energı́a de los disparos es con-
stante, por lo que se debe de calcular la distancia al robot que se dispara
mientras se encuentra detenido en una esquina. Dependiendo de la dis-
tancia al enemigo, aplicar distintas potencias al disparo
• Si la cantidad de robots es de alrededor de 3 o en una batalla uno a uno,
la estrategia de walls puede ser efectiva si el oponente no posee buenos
mecanismos de apuntamiento, por lo que al haber pocos enemigos, escoger
una estrategia de búsqueda a un enemigo especifico. Dependiendo de la
distancia al enemigo, disparar con distintas potencias (mientras mas cerca
estamos, mas potencia).
• Si alguno de los demás robots de la arena nos ataca y acierta cierto numero
de balas, cambiar al enemigo actual, alejarse y atacar de nuevo.

Definicion de una estrategia en base a la cantidad de enemigos al iniciar la

batalla

7
 5.1 ESTRATEGIA WALLS
Estrategia utilizada cuando existe gran cantidad de enmigos.

La seleccion de la estrategia por medio del arbol de decision seria:

1 i f ( e s t r a t e g i a W a l l s=true )
// u s a r e s t r e t e g i a w a l l s
3 } else {
// u s a r e s t r a t e g i a de b u s q u e d a y a t a q u e
5 }

Agregando el codigo para dirigirse a las paredes y disparar:

1 i f ( e s t r a t e g i a W a l l s=true )
double d i s t a n c i a ;
3 distancia = e . getDistance () ;
i f ( d i s t a n c i a <=250){
5 f i r e (3) ;
setBodyColor ( Color . white ) ;
7 } else {
f i r e (1) ;
9 setBodyColor ( Color . black ) ;
}
11
i f ( peek ) {
13 scan ( ) ;
}
15 } e l s e {

17 busqueda ( ) ;

19 }
...

8
 Trabajando con netbeans.

”Videotutorial que incluye como integrar robocode con Netbeans”.

...
2

4 i f ( cantEnemigos <3){

6 busqueda ( ) ;
disparo () ;
8 execute () ;
}
10 else {
modoWalls=true ;
12 peek = true ;
ahead ( moveAmount ) ;
14 peek = f a l s e ;
turnRight (90) ;
16
}
18 . . .

5.2 ESTRATEGIA BUSQUEDA Y ATAQUE

Estrategia utilizada en batallas uno a uno o con pocos adversarios.

9
 public void busqueda ( ) {
2 i f ( tengoEnemigo == f a l s e ) {

4 scanAngle = 360;
} else {
6

8 s c a n A n g l e = n o r m a l R e l a t i v e A n g l e ( g e t H e a d i n g ( )−
getRadarHeading ( )+enemigo . p o i n t s T o B e a r i n g ( getX ( ) ,
getY ( ) , g e t H e a d i n g ( ) )+d i r e c c i o n ∗ ) ;
}
10
setTurnRadarRight ( s c a n A n g l e ) ;
12 }

6 CONCLUSIONES
• La estrategia de nuestro robot debe de ser adaptable a ciertas variables y
parámetros que cambian en el entrono para lograr vencer la batalla.
• Cuando existe gran cantidad de enemigos, es mejor esperar que se eliminen
entre ellos manteniéndose en constante movimiento y alejado de los demás
robots.
• En combate uno a uno o con un numero reducido de robots, es mejor
buscar un blanco especifico y atacarlos con una potencia que dependa de
la distancia al enemigo.
• En robocode, podemos implementar arboles de decisiones mediante las es-
tructuras de control switch e if-then-else de java. Esto permite categorizar

10
 y representar las distintas condiciones y variables del entrono. Utilizar una
estrategia de clustering permite predecir una posible situación en base a
situaciones similares que han pasado con anterioridad.
• El uso de redes neuronales en los robots de robocode permite que estos
aprendan y logren decidir la mejor estrategia de ataque.

• RobocodeJGAP permite evolucionar robots en robocode por medio de pro-

gramación de algoritmos genéticos. Esta técnica permite obtener mejores
robots a través de mecanismos de evolución.

7 Bibliografı́a
[1 ]: ”Sistemas Basados en Conocimiento: Robocode”. By Javier Jiménez,
Rubén Gómez.
[2 ]: ”Arbol de Decisiones” By Wikipedia.
[3 ]: ”K-NN Algorithm” By Robowiki.
[4 ]: ”Radar” By Robowiki.

[5 ]: Dynamic Clustering By Robowiki

[6 ]: An Artificial Neural Network for a Tank Targeting System By HansW.
Guesgen, Xiao Dong Shi.
[7 ]: Red Neuronal By Wikipedia.

11