Ein heterogener Multi-Agent Intelligenter Spieler

Ein Echtzeitstrategiespiel (RTS) ist ein gegnerisches Spiel, bei dem die Teilnehmer Einheiten und Strukturen unter ihrer Kontrolle positionieren und manövrieren, um Bereiche der Karte zu sichern und/oder durch Zerstörung der gegnerischen Einheiten und Strukturen zu gewinnen. Es ist möglich, im Laufe des Spiels neue Einheiten auszubilden und neue Strukturen zu bauen, wobei die Ressourcen in der Umgebung begrenzt sind. Im Gegensatz zu vergleichbaren rundenbasierten gegnerischen Spielen wie Schach und Go warten die Gegner nicht auf die Züge des anderen, so dass das Spiel natürlich fortschreitet und die Einheiten in Echtzeit miteinander interagieren. Als Folge der Echtzeit-Natur des Spiels steigt die Komplexität des Spiels dramatisch an. In den letzten Jahren gab es in der Gemeinschaft der künstlichen Intelligenz ein zunehmendes Interesse an RTS-Spielen, insbesondere aus der Perspektive des Reinforcement Learning, um einen Agenten zu erstellen, der das RTS-Spiel aufgrund des großen Zustands-Aktionsraumes des Problems spielt. Die Modellierung und Implementierung eines effizienten Lernagenten, der mit dem großen Zustandsraum zurechtkommt, ist eine schwierige Aufgabe.