Sistema de matchmaking híbrido para valorant: otimização e balanceamento com clustering k-means e classificação Random Forest
Abstract
O presente trabalho aborda o desenvolvimento de um sistema de matchmaking (Matchmaking é o processo de conexão e agrupamento de jogadores em partidas online, buscando formar equipes equilibradas com base em critérios como habilidades, desempenho e outros fatores comportamentais) para jogos de tiro em primeira pessoa (FPS) baseados em equipe, como Valorant, utilizando técnicas de machine learning para melhorar o equilíbrio das partidas. O objetivo principal é propor uma solução híbrida, combinando algoritmos de agrupamento (K-Means) para segmentação de jogadores e modelos preditivos (Random Forest) para avaliar a qualidade das partidas. Para fazer isso, o trabalho segue um processo que inclui coletar, preparar e analisar dados retirados do jogo Valorant. Os experimentos realizados demonstraram que o modelo desenvolvido é capaz de formar partidas equilibradas, considerando métricas como impacto dos jogadores, diversidade de funções e equilíbrio tático entre os times. [resumo fornecido pelo autor]