Sistema de matchmaking híbrido para valorant: otimização e balanceamento com clustering k-means e classificação Random Forest
Carregando...
Data de Submissão
Data de Defesa
2025-07-02
Edição
Autores
Orientadores
Coorientadores
Editores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Descrição
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]
Resumo
This work presents the development of a matchmaking system for team-based first-person shooter (FPS) games, such as Valorant, using machine learning techniques to improve match balance. The main goal is to propose a hybrid solution by combining clustering algorithms (K-Means) to segment player profiles and predictive models (Random Forest) to evaluate match quality. The methodology includes collecting, preprocessing, and analyzing gameplay data extracted from Valorant. The experiments showed that the proposed model is capable of forming balanced matches by considering metrics such as player impact, diversity of roles, and tactical balance between teams. [resumo fornecido pelo autor]