Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   1 3 ,  No.   2 ,  Febr uar y   201 9 , pp.  634 ~ 642   IS S N: 25 02 - 4752,   DOI: 10 .11 591/ijeecs .v1 3 .i 2 .pp 634 - 642          634       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Defense  behavio r of r eal t ime str ategy g am es: comp ar is on  between  HFSM  an d FSM       Rahma t  F au z i 1 , Moch am ad   Ha ri adi 2 , Sup eno M ardi S u siki  N u gr oh o 3 ,  M u ha r ma n L ubis 4   1,4 School  of  Indu stria l   Engi n ee r in g,   T el kom   Unive rsit y   (T el - U),   I n donesia   2,3 Facul t y   of  Ind ustria l   Engi n ee r i ng,   Insti tut Te kn ologi   Sepu luh  N ovember  (IT S),   I ndonesia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   J ul   24 , 2 018   Re vised  N ov   2 1 , 2 018   Accepte d  Dec   3 , 2 018       RTS  Gam e  is  on e  of   th e   popula r   genr e   in   PC   g aming,   which   has   b ee n   play e d   b y   var ious  t y p e  of  pl a y ers  f req u ent l y .   In   RTS   g ame,   NP C  De fe nse  Buil d ing   (Towe r)  has  at t ac king   beh avi or   to   th e   cl osest   ene m y   withou t   conside rin g   ce rt ai n  ene m y   pa ramet ers.  Thi s  c ause s  the  NP C  T ower to  b e m ore   pre dictable   b y   the oppon ent   and ea sil y   def eat ed  if   NP C  a tt a ck ed  b y   en emies  in   the group .   Thus,   th is  rese a rch   sim ula t es  N PC   Towe r  usin g  Hier ar chica l   Finit e  St ate  Mac hine   (HF SM ) m et hod  compar ed with F inite S t at e M a chi n e (F SM ).   In thi s  stud y ,   NP C  Towe r  detec ts  ene m i es  b y   se ei ng  at   f our  par amet ers  n amel y   NP C  Towe r  Hea lt h,   E nem y ' s  Hea l th,   E nem y   T y p e,  and  Towe r  Distan ce   to  ene m ie s .   NP C  Towe r  wi ll  at t ac k   th e  m ost  d ange rous  ene m y   ac cor d ing  to   the  ‘Degre e   o f   Dange r’  par amete r.   The n  use   t he  d ecision - m ak ing  logic  of  th e   rule - base d   s y stem.   The  ou tput   of   NP C  T ower  ar e   three   t y p e  of   b eha v iors  name l y   Aggress ive   Attacking,  Regular  A tt a cki ng,   and  At t ac k  wi th  Spec ia l   Skill .   From   the  te st   resul ts  of   3   NP C  Towe r ,   Kam anda ka NP C  Towe r   with   H FS M  m et hod  is  winning   8 . 92 %  compar e   to   Kam anda ka   To wer  with   FS M  m et hod.   For  Ga y at ri   Towe r  NP C  obta ine d   e qual   result s   usi ng  both   HF SM  and   FS M.  Mea nwhile,   Adi kar a   NP C  with   HF S M  m et hod  i s  4. 62%   superio r  to   Adikar a   Towe r  with   FS M m et hod.   Ke yw or d s :   Com par ison   Def e ns e  be havi or   Finit e stat e m a chine   Re al  tim e strat egy   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   Ra hm at  Fau zi ,   School  of In dustria l En gin ee ring ,   Tel ko m  U ni versi ty  ( Tel - U) ,   Jal an   Tel e ko m un i kasi  No.  1,   Ba ndung,  4025 7 ,   I ndonesi a.   Em a il :  rah m a tfauzi@te lk om un ive rsity .ac.id       1.   INTROD U CTION   Re al - Ti m e  Strate gy  (RTS)  i s  a  genre  ga m e  that  has  a  ty pical   war   gam e  con sist in g  of  buil ding   const ru ct io n  a nd  tro op  stre ng t h.   Re s ourc e  colle ct ion   i s  us e d  for  buil ding  c onstr uction,  def e nse   an d  stren gth e ning  com bat  troops.  The  RTS   ga m e  con side rs  aspects  of   e c onom y,  resour c es  possesse d,   tro ops ’   stren gth ,   at ta ck ing   a nd  def e ns i ng  strat egies .  T his  ki nd  of  ge nre  ha s  beco m e  extrem el y  po pula r  due  to   the  rising  of  fam ou s   A ge   of  Em pire,   Wa rcr a ft  a nd  D ota .  Cu rr e ntly ,  on e  fam ou s   exam ple  of  RTS   ga m es  is  Cl ash   of   Cl ans  (C oC),  w hich   was  de velo pe d  by   S up e rcell   besides   oth e r  known   gam e,  Boo m   Be ach  ( BB )  that   play e d  by  thousa nd s  of  people   in   m obil e  phone   plat form .  In   C oC   gam es,  there   are  N on - Play a ble  C har act e r  (N PC )  Def e ns e  B uilding s  li ke  N PC  Ca nnon,  Mo rta r,   A rc her   T ow er  an d  W i za r d  To wer .  Ca non  and   M or ta r  at ta ck  the   enem y  on   t he  gro und  w hile  Archer   T ow e r  a nd  Wizar d  To w er  s hoot   enem i es  in   the   gr ound  a nd  water   (ai r)  area .   In  bo t h  CoC   and  BB ,   NP C   be ha vior   ha ve   def e ns ive   pa tt ern   i n  w hic h  do   strike   t hro ugh  at ta ck   near est .  Unfortu nate ly ,  this   ty pe   of  str ike  is   easi ly   pe netrated   or  a ntici pated   by   op pone nt.   Mo reles s,  if   t hey  a re  unit ed   by  at ta cking   i n  the  gro up.  Th eref or e ,  this  ki nd   of   fixe d  m od el   f or  NP C  To wer   beh a vior  create s  the  figh t  or   course  i n  the  gam e  beco m e  less  va ry  or  pre di ct a ble  to  the  oppo nen t.   To   overc om e  this  issues,  one  s olu t ion   is  thr ough  dynam ic   NP C   be ha vio r   with   m or e  di ver se   an d  le ss   predict a ble  at ta ck  patte r n,   w hich   can   be   ac hiev e d  by  the  ad aptive   and   i ntell igent   natu re  of  the  be hav i or   patte r n.  The refor e ,  dynam ic   beh av io r i s  a  ty pe o f p at te rn  Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Defense  b e havi or   of re al ti me st ra te gy g am e s :  c omp ar iso n b et we en  HF SM   and FSM   ( Ra hmat  Fa uz i )   635   that  ta kes  into  account  se ver a l  factor s  t hat  infl uen ce  t he  de ci sion   m aking  of   NP C.  For  e xam ple  NP C  com bat   def e ns e   will   not  al ways   us e   strong  at ta cks   that  re quire   en or m ou s   ene r gy  if   the   healt h  c onditi ons  a re   in  go od   conditi on  or  do  not  al ways   use   norm al   at ta c ks   t hat  require   le ss  ene r gy  if   healt h  c onditi ons  are   wea k.  In  sho rt,  the syst em  sh ould  exhibit  t he whole   range  of  f le xi bili ty  si m ply as a  r e su lt   of cha nges i n  t he NPC  att rib ut es for   par ti cula r gam es that m igh t r ai se certai n p ossi bili ti es.   In  ge neral ,  Fi ni te   Stat e  Ma ch ine  ( FSM)   is  c omm on   m e thod  a pp li e d  in   th e  gam e  to  det erm ine  the   beh a vior  beca us e  it s  sim plicity   to  be  im ple m ented  in  va riou s   ty pe  of  ga m es,  al though  at   certai n  po i nt   it   got   hindere d i f t he  agen t  has m ultip le   ap proac he s   in  the  N PC  be hav i or   [1 ] .  It  al so   ha s  ne gative   po i nts  due  to  i t  has   a  la rg e  num ber   of  sta te s  an d  t ran sit io ns   s o  th at   representat i on  an d  a naly sis  bec om e  diff ic ult  [2,  9].  I n  orde r  to   desig n  t he  dynam ic   beh avi or  of   NP C   that   has   certai n  c har act erist ic   of  beh a vior,  it   is  sugg e ste d  t o  us e  Hierarc hical   Fi nite  Stat e  Ma c hin e   ( HF SM )  m et ho d  to  im prov e   the   pr ocess   to  determ ine  th e  be ha vio ral   re sp onse   in  the   fluctuat e  cha nges   of   conditi on,  w hi ch  us e d  certai n  kind   of   r ule   syst em .  Me anwhil e,  HFS M  as  a  dev el op m ental   m e th od  of   FS M  has  t he  a dv antage   of  redu ci ng   t he  c om plexity   of   desi gnin g  a gen t   be ha vior,  wh ic h  can  sim plify  the  com pu ta ti on al   pr oce ss  an d  kee p  the   con st raint  by  m ini m iz ing   a  num ber   of   c odin g  bits   and  ad justi ng  t he c od e s  f or  th e  sta te s  [2,  3].  A  detai le d an d  rea li sti c  si m ula ti on   of   dynam ic   be hav i or  re quires  a   pr eci se   m od el ing  of  de ci sion - m aking  pr oces s  re ga rd i ng  act ion  pri ori ti zat i on  a nd  sel ect io n,  w hich   is  c ap able  to   dev el op  go al   di rected  be hav i or al   te ndencies   an d  ta ct ic al   m od el   ba sed   on  dem and s  a nd  i nput  pa ram e te r   [ 4].   Im po rtantl y,  in form ation   is   a  basic  requirem ent  f or  the   devel op m ent  proc ess  as  a  par t  of  the   ec os yst em   [5 ] ,   wh ic h  can  be  util iz ed  le ad  to  the  s ub sta ntial   saving s  i n  powe r  co nsum ption   [6 ] ,  differentia te   disti nc ti ve   at tribu te s  of  be hav i or  [ 7],   de vel op  c ollab orat ion  at   ta ct ic al   le vel  [8,  20 ] ,  et c.  In  this   stud y,   the   res e arch e r  dev el op e d  RT S  gam e  entit led   D WI P A   Y U DHA,  in   w hic h  it s  c oncept   ha s  sam e  ty pe  a nd  re fers  t o  t he   RTS  genre   li ke   Cl ash  of  Cl a ns .   It  ha s  se ver al   c ompone nts,   w hich   are   (1)   Tr oops   ( 2)  C om bat  D efen se   B uildin g  an d  (3)  Re s ource s.   Like wise,   thi s  re searc h  al so  de vel op  D WIPA   Y U DHA   to  ha ve   th os e   c om po ne nts,   bu t  this   researc h  em phasi zed m or e on  b e hav i or of  N PC Com bat D e fen se  Buildi ng.       2.   RESEA R CH MET HO D   Im po rtantl y,  the  m et ho d  sta ges  determ ine  the  su cce ss  of  the  researc h   to  assu re  it s  validit y  and  reli abili ty   [1 6 - 19,  24 - 31] .   Fig ur e   1  is  a   flo w char t  t hat  desc ribe  t he  detai l  of  the  ste ps  un der ta ken  to   co m ple te   this  rese arc h,  w hich   is  incl ude  NP C  A gen t   De sign,  Desig n   of   En vir onm ent ,  Desig n   of  E ne m y ,  Desig n  of  HF S M   for  NP C  Ag e nt  and  Desig n of  FSM  f or   E nem ie s , th e n   c on ti nue  with  var i ous test  scena rios.         Figure  1.  Ef fec ts of sel ect ing  diff e re nt sw it c hing  unde r dyn a m ic  co nd it io n       2.1.    Desi gn o f  N P C  T ower  Ag e nt   The   f our   NP C   Com bat  Def e ns e   are   NP C   T ow e r   Kam andaka,   Gayat ri  N PC  T ower,   NPC   Ga ndewa   To wer   a nd  NPC   Ad i kar a . E ac h  NP C  T ower  has se ve ral  pa r a m et ers t hat  ch aracte rize  them   su c h as   the  val ue  of  Dam ag e ,  Att ac k  Sp ee d ,  Att ack   Ra ng e ,  Hitp oi nt ,  Att ack  Ty pe   and   N PC  Beh avior .  Th e  val ue s  of   e ach  para m et er   of each  NPC   T ow e r  a re  descr i bed in  Table  1 .           Desig n  of  NPC Agen t   Desig n  of  E n e m y   Desig n  of   Env iron m en t   Scen ario               Desig n  of  HFSM  f o r  NPC Ag en t Beh av io r   Desig n  of  FSM  f o r  Ene m y   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   634   –   642   636   Table  1.   NP C  To wer   Stat ist ics   No   Para m eter  NPC   Ka m an d ak a   Gan d ewa T o we r   Gay at ri  Tower   Ad ik ara   1   Da m ag e   10   7   13   18   2   Attack  Speed   0 .9 s   0 .5 s   1 .2 s   4  s   3   Attack  Ran g ed   10   11   8   15   4   Attack  T y p e   Sin g le Attack   Sin g le Attack   Sp lash  Ar ea   Sp lash  Ar ea   5   Hit Poin t   450   325   570   400   6   NPC Beh av io r    No r m al  Attack,   Ag g ressiv e Attack,   an d  Uniq u e Skill   No r m al  Attack,   Stron g  Attack,  an d  Uniq u e Skill   No r m al  Attack,   Stron g  Attack, and   Un iq u e Skill   No r m al  Attack,  an d  Str o n g   Attack       2.2.     Desi gn o f  N P C  Ene my   Ag e nt   To  c reate  NP C   To wer  as  a   C om bat  Def e ns e   Buil ding,   this  stud y  al s o  desi gn e d  t he  E nem y  Ag e nt  to   te st  the  stren gth   of  NP C  T ower  to  s urvive  i n  spe ci fic  sit ua ti on .  T here  are   three  ( 3)  ty pe s  of   Enem y  fo r   NP C   Ag e nts,  wh ic h  are  NP C  E ne m y  of  Sw or ds   t ha t  belong  to  t he  cat egory  of   str ong  e nem ie s,  NP C  E nem y  of  Arro ws   are  cat e gorized   as   m od erate   e nem ie s  and  N PC  E nemy  of  Ma gic  wh ic h  is  a   wea k  ty pe   of  e nem y.  Ag e nt  NP C   Ag e nt  has  se ve ral p a ram et ers  su c h  as  d am ag e, m ov em ent sp eed  ( M S) ,  att ack  range , Hit point.  F ull sta ti sti cs   of  Ag e nt  NP C  Agent p a ram et er v al ues  are  at ta ched ( See Ta bl e 2).       Table  2.   NP C  Enem y St at isti cs   No   Para m eter   Ene m y  of  Sword s   Ene m y  of  Ar rows   Ene m y  of  M ag ic   1   Da m ag e   10   7   5   2   Ar m o r   5   2   2   3   Hitp o in t   60   40   40   4   Attack  sp eed   1 /s   1 /s   1 /s   5   MS   1   2   4   6   Tr ain in g  ti m e   3 0  s   2 0  s   3 0  s   7   Attack  r an g e   1   4   4       2.3.     Desi gn o f  HFS M NP C T ower   This  resea rc h  us es  Hierarc hi cal   Finit e  State  Ma chine  ( H FSM)  m et ho d  to  desig n  NPC   beh a vior.   Be sides  that,   it   al so   us e d  R ul e  Ba sed   Syst e m   as  a  decisi on  m aking  f or  NP C  w hen  fi ghti ng  with  var i ou s   ty pes  of  e nem ie s  who  at te m pt  to  e nt er  the   ra nge  of  t he  NP C   T ower .  In  a dd it io n,  H FSM  NP C   T ow e r  is   sym bo li zed   by a circle  a s a  sig n of  a  stat e,  which t he  a rro w  li ne  a s a si gn  of inter - sta te   trans fer  a s s hown in Fi gure  2.           Figure  2.  H FS M Ag e nt  NP C  To wer   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Defense  b e havi or   of re al ti me st ra te gy g am e s :  c omp ar iso n b et we en  HF SM   and FSM   ( Ra hmat  Fa uz i )   637   2.4.    N PC  T ow er Be havior  Design   The  be hav i or  of  NP C  C om bat  Def e ns e  is   desi gn e d  us i ng  r ule - base d  decisi on - m aking  m et h od s   [ 9 - 13] .   In  this  ca se,  t he  ru le - base d  has  seve ral  pa ram et ers  that  infl uen ce   the   de ci sion   m akin g  process   s uch  as  t he   dista nce , t he   e nem y   ty pe , t he  NPC ' s   li fe   and   the  ene my ' s   li fe . M ean wh il e,  the  N PC  be ha vi or   a re  Str ong  Att ack ,  Normal At tack   and  T hr owi ng  Trap . I n  a dd it ion, the  NPC  C om bat D efe ns e  Beha vio r  cons ist  o f:   1.   Stron g  Atta ck .   It  is  the  at ta ck ing   beh a vi or   of  N PC  with  it s   fu ll   of  a vaila bl e  power   i n  w hi ch  NP C  T owe r   can  destr oy enem y fo rces  on a  larg e  scale   or r e du ce  the live s of e nem y’s h ero in  gr eat   da m ages.   2.   Norm al   Atta ck.   It  is   a  NP C   at ta ck  be hav i or  with  m od e rate  stren gth ,   wh ic h  NP C   T ow e r   can  only   destr oy  enem ie s o n  a  s m al l scal e o r  lo wer dam age com par e to str ong  at ta ck.   3.   Un i qu e   S kill .  I t  is  the  at ta cki ng  be hav i or  wit h  s pecial   s kill s  that  on ly   ce rtai n  N PC  has,  w hich   this  kind  of   beh a vior  bec om es secret wea pon  i n  s pecific  conditi on a nd to  s pecific t ar ge t [14,  15].   4.   Sil ence .   It   is  t he  NP C' s  be ha vior  w hen  it s  conditi on  is   in   preca rio us   co nd it io n  or  be   sq ue ezed   that   is  un li kely  to  w i n. T his p a rtic ula r beha vior  on ly  for   NP C  Arc he r To we r   a nd  Wi za rd T ower .     2.5.    Desi gn o f  R ule - based  N PC  T ower   Atta ck  C on t ro l le r  has   a  functi on  f or   co ntr olli ng  the   at ta ck  be hav i or  of  NPC   To wer.  I n  thi s  stu dy,  it   us ed   ru le - base d  lo gic  [ 21 - 23 ]   t o  det erm ine  the  NPC   To we r  be havi or ,   w hic h  is   e m bed ded  in   St at e  Co ntro ll er   Atta ck.  By   giv en  t he  r ule - based   knowle dge,  eac h  NP C  can  res pond   t o  the  c hanges  in  i npu t  va riables  into  be hav i or s   that  ha ve   bee n  desig ne d  t o  us e  HFSM .  From   each  bu il di ng  com bat  de fen se ,  t he  NPC   has   4  ( f our)  ty pe   par am et ers  tha t  bec om e  ru le - base d  i nput,   w hich   are   N PC  bu il di ng  hea lt h ,  e nem y   hea lt h ,  distance   a nd  ene m y   status .   Me an w hile,  the   ou t put  from   ru le - bas ed  of  NP C  C om bat  Def ense   beh a vior  t hro ugh  3  (thr ee )   ty pe  of  respo ns es   to wa rd s   the   e nem y  i n  t he  f or m   of  A ggressi ve  (S tr ong  Atta ck),  Ordina ry  ( N or m al   Atta ck )  a nd  S pecial  (Uniq ue  s kill ).  Each  of  th os e   par am et ers  ha s  an  inter val  r ang e  of   value s ,  w hich  is  div ided  i nto   th ree  par ts  nam ely  Weak,  Mo dera te   a nd   Stron g   f or   th e  To wer   a nd   En e m y  Life ' s  li fe  par am et ers.   Me anwhil e  the  di sta nc e   par am et er  has  on ly   tw o  pa rts  nam ely  the  sh ort   an d  lo ng   dist ance  pa ram et ers.   The  pa ram eter s  of  inte rv al s  sh ow n  in Ta ble 3 ,   4  a nd   5.       Table  3.   Param et er Inter val T ow e r  Li fe   Interval Valu e   No tatio n   0  –   33   W eak   34  –   66   Mod erate   67  –   100   Stron g       Table  4.   Param et er Inter val E nem y Li fe   Interval Valu e   No tatio n   0  –   33   W eak   34  –   66   Mod erate   67  –   100   Stron g       Table  5.   Param et er Inter val E nem y Dist ance   Interval Valu e   No tatio n   0  –   50   Near   51  –   100   Far       3.   RESU LT S   A ND AN ALYSIS   NP C  C o mb at  D e fens e  Bui ld ing s  th at  h av e   b een  de si gn e d  an d  d e sc ri b e d  in  p r evi ou s  ch a pt er  a r e   impl e m ent e d  in  si mul ati o ns   usi ng  U nity  G a me  E ngi n e.   Thi s  t est  is  ai me d  t o  e v al uat e  t h e  d e ve lop e d   ap p ro a ch  m et h od  a nd  an al y z e  th e  r es ult  o bt ain e d.  Th e r e fo r e,  th e  e xp e ri me nt  w as  do n e  b y  co m pa ri n g  FS M  me th od   an d  H FS M  met h od ,  w hi ch   o bt ain e d  t he   ti m e  res ults   a n d  t he   n um b er  o f  e n e mi es  kill e d.  T he r e  a r e   se v eral  te st  sc en a ri os t h at  h a ve  b e e n d o ne  i e.     NP C  Kam and a ka  a gainst  W ea k  te am ,  Mod er at e   te a m  an d  S tro ng team .   NP C  Gande wa   To wer agai ns t   W ea k  te am ,  M od e rate t eam  and  S t ron g  te a m .   NP C  Ad i kar a  a gainst  W ea k  te a m ,  M od e rate t ea m  an d  S tr ong  te am .     Th e   f ir st  sc e n a rio   b y  t e stin g   1   ( on e )   NPC   To w e r  a g ain st   st ro ng   t ro o ps  obt ai n ed   th e   a ve r a ge   ti m e  of   kil lin g  1  e n em y   tr oo ps   3 .8 1s  o n  t esti n g  w ith  H FS M  a nd   3.8 4 5s  w ith   F SM .  M e an w hi le,   b y  a ddi ng   1   ( on e )  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   634   –   642   638   NP C  T o w er  as   a   s e c on d  s cen a rio   fo r  t e stin g   2   (t wo )   NPC   To w e r   a g ain st   str on g   tr o ops   obt ai n ed   th e   a ve r a ge   of   k ill in g   1   en em y   tr o op s  2. 78 s  on   HFS M   a n d  3. 11 45 s  wit h  FS M.   I n   this   t est   NPC   To w e r   with   H FS M   me th od  c an  ki ll  a  ma xi mu m   of  10  e ne m y  tro o ps  w hil e  t he  N PC   To w e r  with  FS M  h av e  m axi m um   of  9   en e my   t ro op s.   Fu rt he r mo r e,   in  t h e  t hir d  sc en a ri o,  by   t est ing   1   ( on e )  N PC   To w e r  a g a inst   m od e r at e  tro o ps   obt ai n ed  on  a ve r a ge  t im e  k ill in g  1  e ne m y  tr o op  1. 00 5 s  o n  HFS M  a nd  1. 00 75 s  o n   FS M  te st.  T h en ,  b y  ad di ng   1  ( on e )   NP C  T o w er  a s  t h e  f ou rt h  s c en a ri o,   with   t e stin g  2   ( t wo )   NP C   T o w e r  a gai ns t  m od e rat e   tr o ops  ha d  t h e  av e r ag e  ti m e  o f  kill i ng  1  t ro o p  1 .6 9s  on  H FS M  a nd  1. 95 s  on  F SM  t e stin g.   I n   this  te st  NP C  To w e r   wit h  HF S M  m eth o d  c an  kill   a  m axi m um   o f   11   en e my   tr o op s  w hil e  th e   NP C  To w e r  w ith  F S M  ma xi mu m  of  1 0  en e m y t r oo ps.   Fo r  th e  fi fth  s c en a rio ,  th is  st ud y  w as  t est in g  1  ( on e )  NP C  T o w er   a g ai nst  t h e  w eak  t ro op s  w hic h   r esu lte d  th e  a v e rag e ti m e t o   kill   1  e n em y  1 .6s  o n  H FS M  an d  1. 6 05  o n  FS M.  O n  th e  oth e r  h an d,  b y  a dd in g   oth e r  1   ( o ne )   NP C  T o w er  a s  t h e  sixt h   s c e na ri o,   wit h  t e s ting   2  (t w o)   N PC   T o w er  ag a inst   th e   w e ak   tro o ps  gai n ed   t h e  a ve r ag e  tim e   o f   k ill in g  1  t r oo p  2.2 7s   on   HFS M   te sti ng   an d  2.3 4s   on   FS M   te sti ng .  In   t hi s  t es t   NP C  To w e r  wit h  HF S M  me th od  h av e  c ap a bili t y  to  k ill   a  m axi m u m  o f  13  e n em y  tr o op s  whi le   th e  NP C   To w e r  wit h  F SM  c an  r e a ch   until   1 2  e n e my  t r oo ps.  O n   the  ot he r  h an d,  i n  th e  s e v e nth  sc e n ar i o,  t esti n g  1   (o n e)  N PC   G a nd e w a   T o w e r  ag ai nst   str o ng   tro o ps   h a v e  ob tai ne d   th e   av e r ag e   ti m e  o f   kil ling   1   e n em y   t ro op   5.6 3s   wit h  H FS M  an d  5.6 0s  wit h  FS M.   T he n,   in c r ease  th e  nu m be r   wit h  1  NP C  To w e r  as   th e  eig ht h   sc e na ri o,  t h en  testi n g  2  (t w o )  NP C  T o w e r  ag ai nst  st ro ng   tro o ps  got  a n   av e r ag e  r es ul t  of  kill i n g  1  e ne m y  tro o p  3. 93 s  o n   HFS M   t est in g   an d  4. 5 2s   o n   t esti n g  wi th   FS M.   In   t his   t est   NP C   T o w e r  w ith   HFS M   met ho d   c an  kill  a  m a x imu m  o f 8   en e my  tr o ops   wh i le t h e  NP C  To w e r  wit h F S M  m axi m um  o f  8  en e my  f o rce s.   In  t h e  ne xt  sc e na ri o,  w hi ch  i s  ni nth ,  t his  st ud y  w as  t e stin g  1  ( on e )  NP C   G a nd e w a  To w e r  ag ai nst   mo d erat e t ro o ps  resu lte d t he  av e r ag e ti m e  of  kill i ng  1  (o ne )  en e m y tr o op  4. 27 s o n t e stin g  wit h  HF SM  a nd   4.1 4s  w ith  F S M.  M or e ov e r,   by  s u ppl e m e ntin g  1  ( on e )  NP C  To w e r  a s  th e  t ent h  s c e na ri o,  t h en  t es ting  2  (t wo )  NP C  To w e r  a g ain st  m od e r ate   t r oo ps   gai n ed  t h e  a v e rag e  r e sult  of   kill in g  1  e n e my  t r oo p  2. 7 9 s  on   HF S M  t esti ng   an d  3. 23 s  wit h   FS M.  In   thi s  t est  N P C  T o w e r  wit h  HFS M   me th od   c a n  k i ll  a  m axi m um   of  10   en e my  t ro o ps,   whi c h  h av e  e qu al  v al u e  wit h  NP C  T o w er  wit h  FS M.  I n  t he   ne xt  st ep , t he   el ev e nth  s c en a ri o   w as   t esti ng   1  (o n e)  NP C  G a nd e w a  T o w er  ag ai nst   t he   w e ak   t ro o ps  g ai n ed   t he   av e r ag e  t im e   o f  kill i ng   1   en e my   tr o op 4 .45 s on  t e stin g   wit h HF S M a nd 4. 45 s  o n  t e stin g wit h  FS M. A d diti n g 1   (o n e) NP C   T o w e r a s  the  t w el ft h  S c en a ri o,  th e n  t e stin g  2  (t w o)  NP C  To w e r  a gai ns t  wea k  tr oo ps  obt ai n ed  the  a v era g e  r e sult  of   kill i ng  1  e n em y  tr oo p  2.9 2s  on  HF S M  te st ing  a nd  3. 93s  wit h  FS M .  I n  this  t est ,  NPC  To w e r  wit h  H FS M   me th od  c a n  ki ll a  m a xim u m  of  1 0  en e m y t r oo ps,  s o  did  th e  NP C  T o wer  wit h F S M.    In  th e  t hi rt eent h  s c en a ri o,  t hi s  st ud y  w as  te s ting   1  ( on e )  N PC   To w e r  A di ka r a  a gai nst   st ro ng   tr o op s  obt ai n ed   th e   a ve r a ge   o f   tim e   to   kill  1 (o n e)  e n em y  t r oo p 0.0 3s  wit h H F SM  an d 0. 13 s wit h FS M.  Ad din g  1   (o n e)  NP C  T o wer   a s  t h e  f ou rt e ent h  sc e na ri o,  th en   t e stin g  2  (t wo )  NP C  T o wer  a gai ns t  st r on g  tro o ps   obt ai n ed   th e   a ve r a ge   resul t   of   ki lli n g  1  e n em y   tr o op   0. 2 15 5s   o n  H FS M  a nd   0.4 9 8s  wit h  FS M.   I n  this   t es t   NP C  T o w e r  w ith   HFS M  me t ho d  c a n   kill   a  ma xi mu m   o f  1 6  e n em y   tr o op s  w hil e  th e   NP C  T o w er   wit h   FS M  15  tr oo ps .  M e an w hil e,   in   th e  fi fte nt h  s c e na ri o,  a g ain  t esti n g  1   ( o ne )   N PC   T o w er  A dik a r a  ag ai n st  th e  mo d erat e   tr o o ps  g ai ne d  t h e  a ve r a ge   r e sult   o f  kill i ng   1   en e my   t ro op   0 .0 7 s  wit h  HF S M  an d  0. 10 7s   wit h  F S M.   O nc e   a g ai n,  b y  ad di ng   1   ( o ne )  N PC   T o w e r  as  th e  sixt e ent h  s cen a rio ,   th en   t esti ng   2  (t wo )  N PC   To w e r  ag ai nst   mo d erat e  t r oo ps   o bt a ine d   th e   av e rage   resu lt  of   kil ling   1  en e m y  t ro op   0.4 2s   on   HF S M  t es t  an d  0. 5 3   wit h  F S M. In t his  t e st NP C T o wer w ith H F SM a nd   FS M me th od   c a n ki ll  a m ax im um  of 2 1 en e my tr oo ps.   In   th e  se v en te ent h  s cen ari o,   th e  t est   a lso   us e  on e  N PC   To w e r  A di ka r a  ag ai nst   t h e  w e ak   tr o ops ,   w hi ch  ob tai n e d  th e  a ve r a ge   t im e  o f  kill i ng  1  e n e my  t r oo p s  0. 6 4s  wit h  H FS M  a n d  0 .9 9 s  with  FS M.  A ddi ng   1  ( on e )  NP C  T o wer  as  t h e  ei ght e en th  sc e n a rio ,  th e n  b y  t es ting  2  (t wo )  N PC   To w e r  ag a inst  t h e  w eak  t ro op s  obt ai n ed  t h e  a ve r a ge  tim e  o f   kill i n g  1  e ne my  tr oo ps   0. 7 5s  on  H FS M  t esti n g  an d  1 .1 4s  wit h  F S M.  In  thi s   test   NP C   T o w e r  wit h   HFS M   m et ho d   can   k ill   a  m a xim u m   o f   2 8   e n em y   t ro op s   whil e   t h e   NPC   To w e r   wit h  FS M als o 27 t ro op s. Fu rt he r mo r e,  t h e res u lt  o f c o m p ar i s on te st b et w een  FS M   a n d H FS M  m et h od f ro m 18   ( eig ht e ent h)   sc en a ri os   o f   eac h  3   NP C  T o w e r  a g ain st   3   (th r e e)  t yp e   of   t ro op s  w e r e   p r es e nte d   i n  g rap h  f or ms   as  sh o w n i n t h e Fi g ur e  3,  Fi g ur e  4  a nd  Fi gu r e 5 .     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Defense  b e havi or   of re al ti me st ra te gy g am e s :  c omp ar iso n b et we en  HF SM   and FSM   ( Ra hmat  Fa uz i )   639       Figure  3.  Sim ulati on  Result s  of 2 NPC  K am and a ka  a gai ns t 3 Ty pe of  Tro op s       The  first  te st   usi ng  1  NP C  T ower   kam and a ka   an d  3  ty pes  of  e nem y  troops  that  ha ve  diff e ren t  at ta c k  powe rs  nam ely  stron g  tro op s  ( sw ord ),  m od erate   tr oops  ( arrow s )   an d  w eak   tro ops   (m agic).   In  the   c om bat   def e ns e  c onditi on s   that  only   use   1  ( on e )  T ow er  ob ta ine d  a   ba la nced  re s ult  betwee n  HF S M  an d  F SM  m et hod.  It  was  fou nd  that  sin gle  NPC   Tow e r  was  able  to  withsta nd   6  (six)  str ong  t roo p  at ta ck s.  F or   m od erat e  tro op s ,   sing le   N PC  T ower   wa s  a ble  t o  withsta nd  a   m od erate  at ta ck  by  m axi m um   8  (eig ht)   tr oops.  As   f or  t he   wea k  tro op s ,  a gai n  s ing le   NP C  T ower  was  a ble  t o  s urvive  from   9  ( ni ne)   tr oops.  Me an wh il e,  by  ad ding  on e   NPC   Kam and aka  To wer   pro vid es   be tt er  com bat  de fen se   res ults  in   the  H FSM  m eth od  c om par ed  to  the  F SM  m e thod .   In   t he  com bat  def e ns e  c ondit ion   with  2  (tw o)   NP C  T ower   with  H FSM   c an  with sta nd  a tt ack  from   10   strong  tro op s ,  wh ic h  i s  10%  m or e  superi or   rathe r  t ha n  T ower   with   FSM.   O n  t he  oth e r  hand,  T ower   with   H FS M  can   withstan d  a n  at ta ck  of  11  m od erate  tro ops,  w hich  is  9.0 9%  m or e  su pe rior   com par e  to  To wer   with  FSM .   At  la st,   To wer  wit h  H FSM  a ble  to   hold   13  wea k  t r oops  that  is   7. 69%  m or e  s up erior  c om par ed   to  To we r  with   FSM.  Fr om   these  3  (t hr ee )  te sts,  an  a ver a ge  sc or e  of  8.92 %  was  ob t ai ned   f or  H FS M  m or e  superi or   c om par ed  to   FSM   m et ho d .   In   the  ne xt  te st,  the  seco nd  one  us i ng   1  ( on e)  Gayat ri  To wer   NP C  an d  3  ty pes  of  ene m y  fo rces  tha t   hav e   dif fer e nt  at ta ck  powe r,   wh ic h  are   str ong  (s wor d) ,   tr oops  (a rro ws) ,   tro ops  w eak  (m agic).  I n  the  c om bat  def e ns e  c onditi on s   that  only   use   1  T ow e r,   it   has  ob ta ine d  a n  eq ual  re su lt   betwee n  H FS M  m et ho ds   a nd   FSM   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   634   –   642   640   m et ho d.  A fter wards,  it   was  f ound  that  1  NPC   To wer   was  a ble  to  withstan d  the  at ta c k  of  3  (t hr ee )  str ong  tro ops .   Fo r   t he  m od e r at e  tro ops,   1  N PC  T ow e r   is  a ble  to   withstan d  t he   at ta cks   f r om   4  (fo ur)  tr oops.   As   for  t he   wea k  tro op s ,  1  NP C   Tow e r  able  to   su r v ive  from   5  tro ops.  T he  add it io n  num ber   of  NP C  Ga ya tri  Tow e r  pr ov i ded  balance d  def e nse   res ults  bet w een  the   H FSM   com par ed  t o  t he  F SM.  As  a  resu lt ,  Gayat ri   towe r  with  H FSM   m et ho d  is   supe rior  in  te rm s  of  the p aram et er  of   t he  rest o f  li fe  afte r  fi gh ti ng  a gainst   t he  e nem y  co m par e  to  the   Gayat ri  To wer  with  FSM  m e thod.  At  la st,  the  thir d  te st  usi ng   1  NP C  Adikara  T ow e r  a nd   3  ty pes  of   enem y  tro op s   that  al s o  ha ve  dif fer e nt att ack  po wer  li ke  pr e vious   te s t.  I n  t he  c om bat  def e ns e   co ndit ion   t hat  only  use  1  To wer   A dik a r a  p resen te d  H FSM  m et ho d  i s  m or e  superi or  to   FSM  m et ho d.  It  was   f ou nd  that  1  NP C   To wer   with  HFSM   a ble  to   wit hs ta nd  st ron g  tr oop  at ta cks  by  8  t roo ps ,   m eant  12. 5%  m or e   superi or  tha n  t he   FSM   To wer .   F or  the   m od erate  tr oops ,   1  N PC  T ower   is  able   to  withstan d  12  tr oo p  at ta c ks   by  8.33%  m or e  s uperi or  than   the  FSM  To wer .   Me an wh il e,   as  for  t he   wea k  t roo ps ,   1  N PC  T ow e r   with   H FSM  a ble  to   s urvive   f ro m   13   tro op s , 15.3 8%  m or e superi or   com par e to t he  FS M T ower.           Figure  4.  Sim ulati on  Result s  of 2 NPC  G a ndewa  T ow e r  a gainst  3  Ty pe of  Tro op s         Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Defense  b e havi or   of re al ti me st ra te gy g am e s :  c omp ar iso n b et we en  HF SM   and FSM   ( Ra hmat  Fa uz i )   641       Figure  5.  Sim ulati on  Result s  of 2 NPC  Adik ara T ow e r  a gai ns t  3  Ty pe  of  Troo ps       4.   CONCL US I O N   The  inc reases  total   nu m ber   of  N PC  Kam and aka   To we r  pr ov i ded   bette r  r esult  of  com bat  def e ns es   com par e  to  H FSM  m e tho ds,   if  us in g  F SM  m et ho ds.  The refor e ,  with  2  (tw o)   NP C  T ower  with  H FS M  can   protect   the   at ta ck  from   17  st rong  tr oops  with   le ading  sc ore  5.8 8  %  c om par e   to   the   to we r  wi th  F SM.   Me an wh il e,  the   to wer   with  HF SM  ca n e nd ur e  t he a tt ack  f ro m   22   m ediu m  tro ops  with  l eadin g sc or e   4. 54  %  c om par e  to  the  towe r wit h FS M.  On the   oth e r ha nd, t he  to w er  with  HFSM   can  h a ndle   29  weak t r oops  wi th lea ding  sco r e 3. 44  %  com par e   to   the  to wer  with   FSM.   F ro m   3  (th ree)   s im ulati on s,   the   ave r age  sc ore  of  H FSM  is  4.6 2  %  m or e   su pe rio r  c om par e  t o  F SM.  It   can   be  c oncl uded   based  on  t he  e vid e nce   th at   HFSM   m eth od   can   m ake  N PC  Com bat  Def e nse   To we r  perform   bette r  res ult  in  18  ty pe  of  s cenari os   c om par e  to   FSM   m e thod.  I n  t hi s   s t u dy   t h e  us e   of   H F S M   m e t ho ds   im pl em e nt e d  i n  t he   N P C   C om ba t  D e f e ns e   B ui l di ng   ( T ow e r )   s t i ll   ha s   t he   po s s i b i l it y   t o  be   de ve l op e d  f ur t he r   f o r   di f f e r e n t   c at e go r i e s   of   c om po ne nt s   or   ot he r   va r i a nt   t yp e   of   ga m e .   F or  e xa m pl e ,   by   ad di n g   t im e   pa r am et e r s   i nt o  R T S   ga m e   s uc h  a s   i n  t he   D oT A   ga m e   a nd   t he   n um be r   o f   t he   N P C   bu l l e t s .   O n  t h e   ot he r  ha nd ,   f o r   t he   N P C   C om ba t   D e f e ns e   B ui l di ng   ( T ow e r )   a l s o  c a n  be   i m pl em e nt e d  di f f e r e nt l y   s uc h  a s   t he   us e   o f   F uz z y   L og i c   m e t ho d  or   t he   op t im il i z at i on   w i th   G e ne t i c   A l go r i t hm   ( G A ) ,   N S G A   -   I I   m et h od.         Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   634   –   642   642   REFERE NCE S   [1]     Mill ingt on   I.  Art if icial   Intelli g en ce   for Games .   S an  Franc isco: Morgan  Kaufm an P ubli sher.   2006 .   [2]     Gira ult   A ,   L ee  B,   Lee  EA.   Hier archic a l  Finit e  Sta te  Mac hin es  with  Multi ple  Concur ren c y   Mode ls .   I E EE   Tr ansacti ons   on  Computer - Aided  Design  of  In te grated   Circuits and  Syst ems ,   18 (6),   742 - 760 ,   19 99.   [3]     Cze rwinski  R ,   K ani a   D.  S y nthe si s  Method  of  Hig h  Speed  Fini te  State  Mac h ine s.   B ull etin  of   the  Pol ish  Aca dem y   of   Scie nc es,   Te chnical  S ci en ce s ,   58( 5),   635 - 644 ,   201 0.   [4]     Kiel ar   PM ,   H an del   O ,   B ie d ermann  DH ,   Borr m a nn  A.   Concur ent  Hier arc hi cal  Fi nit e   State   Mac hi nes  for   Modeli n g   Pedestri an   Beh a viora l   Te nd encie s.  Tr anspor tat ion  Re search   Proc edi a ,   2,   576 - 584,   2014.   [5]     Lubi s  M,   Kus uma sari  TF,   Hak im  L.   The  Indone si a   Public  Inform at i on  Disclosure   Act  (UU - KIP ):  Its  Chal le ng e s  an d   Responses.  Int .   J .   of   E le c tric al   an d  Computer  Eng ine ering ,   8(1) ,   9 4 - 103,   2018 .   [6]     Chow S - H,  Ho  Y - C,   Hw ang  T.   Low  Pow er  Rea l iz a ti on  of  Fini te   Stat e  Ma chi nes - A Dec om positi on  Approac h.   ACM   Tr ansacti on  on  Design  Aut omat i on  of El e ct roni c Syste ms ,   1   (3),  3 15 - 340,   Jul y   199 6.   [7]     DeDeo  S.   Confl i ct  and   Com puta t ion  on   W iki p edia:   A  Fin it e - St at e   Mac h ine  Ana l ysis  of  Editor   Interac t ions.   Fut ur e   Inte rnet ,   8(x) ,   2 016.   [8]     Arif  YM ,   Hari a di  M,  Nugroho  SM S.  Inte gra si  Hier arc h y   Fin ite   Stat e  M ac hin e  dan  Logi k a  Fuz z y   untuk  Desa in   Strat egi NP C  Ga m e.   Matics  4(3) ,   Mare t   2011.   [9]     Le e   B,   Lee  EA .   Inte ra ct ion   of  Fi nit e  St ate  Mac h i nes  and  Con cur r ency   Mode ls.  Ci rcuit s,  S yste ms   a nd  Computers   2,   1998.   [10]     Mlaki c   D,   Nikol ovski  S,   Alib asic E.   Designing   A utomati c   Met er   Rea ding   S y s te m   using Ope n   Source   Hardware  and   Software .   Int. J. of  E le c tric al   and   Computer  Eng i nee ring ,   7(6), 32 82 - 3291,   De c. 2 017.   [11]     Mall ouk  W ,   Clu a  E .   An  Obj ec t - Orien te d   Approac h  for   Hier arc h ic a l  Sta te   M ac hi ne.   Proceedi ngs   of  the   S BGame s   Confe renc e  in   C omputing .   R ec i f e,   Br azil. 2006.   [12]     Maj id   NK ,   H ariadi   M,   Nugroho  SM S.  Variasi  Per il aku   Tar ung  N on  P lay er   Chara ct er   Prajurit  Be r basis  Distribus i  Gaus sian p ada  Re al   Time  S trategy .   Suraba y a :  Ju rusan  T ekni k  Elektro, Institut   Teknologi  Sepu luh   Nopem ber .   201 0.   [13]     Arif  YM ,   Har ia d i  M,   Nugroho  S MS .   Strate g i   Me nye rang  Pada   G ame  FP S   M engg unakan  Hierarc hic al   Fi n it e   Sta t e  Mac hine dan  Lo gik a  Fuzzy .   Sura ba y a: Jurus an  T e knik  E le ktro ,   Ins ti tut T eknol ogi   Sepuluh  Nopem b er.   2010 .   [14]     Tre m blay   J ,   Dra ger t  C ,   Verbrugg e  C.   T arg et Sel e ct ion   for  AI Co m pani ons i n  FP S Gam es.   Int.   C on.   on   FDG ,   201 4.   [15]     Tre m blay   J ,   To rr es  PA ,   Verbrugg e  C.   Mea suring   Risk i n  St ea l th G ames.  Int. Con. on  FDG ,   2014.   [16]     Dohert y   D,  O’Ri orda n  C.   The  D e sign  Goals  and  Imple mentation  o f  AI  in   Mode rn  Computer  Gam es .   Galwa y :  D .   of  IT,   N at ion al   Uni ver sit y   of   Ire la n d.   2006 .   [17]     W ahono  RM.  P e ngantar  Soft war e  Ag ent :   Teori  d an  Aplikasi .   IEC I  Chapter  Jap an S eri es,   3(1 ), 200 1.   [18]     Adisus il o  AK .   Optimizati on   Ag en t  Be ha vi our  on   B oxi ng   Gam e   Us ing  Gen et i c   Al go rithm .   Sur abay a :   Jurus an   Teknik   El ektro,   Instit u t Te knologi Sepul uh  Nopem ber .   2 013.   [19]     W id y astuti   I.  Pem il ihan   Pe ri laku  NPC   Pada  G ame  P ertarungan  Jarak   De kat  Me nggunakan   F uzz y  Coordinato r .  Suraba y a: Jurus an  Te kn ik El ek tro ,   Insti tut   Te kno l ogi  Sepuluh   Nopem ber .   2012 .   [20]     Benve nist e  A,  B err y   G.  The   S y n chr onous  Approac h  to   React ive   and  Real - Ti m e  Sy stems .   Proc ee d ings  of  the  IE EE ,  79  (9), Septe m b er  1991.   [21]     Alur  R,   K anna n   S,   Yann aka kis   M   Com m unic at ing   Hier arc hi cal  St at e   Ma chi n e s.  Int .   Col loquim   of   Au tomata,  Languages and Progr amm ing,   Springer  pp .   169 - 178,   1999 .   [22]     Risle r  M.  Be ha vi or  Control  fo r  Singl e  and   M ult iple  Au tonomous  Age nts  Bas ed  on  Hi erarchic al  Fi ni te  State   Mac hine s .   Doct ora l  Diss ertati on ,   T ec hn ische n   Univer sit at   Darm stadt,  2009 .   [23]     Kurt  A,   Ozgune r  U.   Hier arc h ica l  Fini te  Sta te  M ac hin es  for   Aut onom ous  Mobile   S y s te m s.   Cont rol  Eng ine ering   Pract i ce ,   2 1  ( 2),  pp.   184 - 194 .   Fe brua r y   2013 .   [24]     Hakim  L,   Kus um asa ri  TF,   Lub is  M.  Te x t  Mining  of  UU - ITE   Im ple m ent ation  in  In donesia .   J.  of  Ph ysic s:  Confe re n c e   Serie s  1007  (1).   [25]     Pinhei ro  AC,   Adenil so  S,  An a  Mari a  A.   FS M - Based  Te st   Case  Gene r atio n  Methods  Ap pli ed   to  Te st   t he   Com m unic at ion  Software   on   B oar d  the  ITASA T  Univ ersity   S a te llite:   A  Case   Stud y .   Sao   Jos e   dos  C ampos .   J.  Ae ros psace   Tech nology   Manag e ment ,   6(4 ), 447 - 461,   Oct - D ec   20 14.   [26]     Chow  TS.   Te st ing  Softwar e  Design  Modelle d  b y   Fin it e - St a te   Ma chi n es.   I EE E   Tr ansacti o ns  on  Sof tware  Engi ne ering,   4(3 ),   178 - 187 .   1978   [27]     Fujiwara  S,  v an   Bochmann  G,   K hende k   F,  Am alou  M,   Gheda m si  A.   T est  Se le c tion  base d   on   Fini te  State  Mode ls .  IEE E   Tr ansac ti o ns on  Soft ware   E ngine ering ,   17(6 ),   591 - 603 .   1991 .   [28]     Santi ago   V,  Vi j a y kum ar   NL,  Guim ara es  D,   Am ara l  AS ,   Ferr e ira   E.  An  Env ir onm ent   for  Aut om at ed  T est  C a se  Gene ration   fro m   Stat e cha r t   a nd  Fini te  Sta te  Mac h ine - b ase d   Beh avi or al  M odel s.   Proce edings   of   the  I E EE   Inte rna ti ona l   Co n.   on   Softwar e   Te sting   Veri f ica ti on   and   Val idation   W orkshop.  W ashingt on .   D C,   US A.   IEEE  Computer  Societ y ,   pp .   63 - 72 ,   200 8.   [29]     Sala u y ou  V   and   Grze s  T.  FS M  stat e   assignm ent  m et hods  for   lo w - power  design.  Int.  Con .   Comp ute r  Informatio n   Syste ms   and  Ind ustrial  Manage ment  App li at ions ,   pp .   345 - 350 ,   2 007.   [30]     La l a  PK .   An   Alg orit hm   for   th e   St at e   As signm ent   of  S y nchr onous   Sequent i al  Cir cu it s.   Elec tronic s   Lett ers   14(6) ,   pp .   199 - 201,   1978 .   [31]     Ahlan  AR,  Lubi s   M,  Lub is  AR .   In form at ion  Secur i t y   Aw are ness  a t  t he  Know le dge - b ase d  Instit u ti on:   Its  Antecede nts   and  Mea sur es.   P roce dia  Comput er  Scienc e   72 ,   p p.   361 - 373 ,   201 5.       Evaluation Warning : The document was created with Spire.PDF for Python.