Real-time strategy Games (RTS) are an important field of research in artificial intelligence planning. In these games, we have to deal with characteristics that present challenges for the planning, such as time constraints, numerical effects and actions with many preconditions. RTS games are characterized by two important phases. The first, where is necessary gather resources and build an army via resource production. In the second, the resources produced in the first phase are used in battles involving defense and attack against the enemy. Thus, the first phase becomes vitally important for the success of the player within the game, and maximize the production of resources to elevate the maximum power of the army developed, reflects directly on the chances of victory. This research is focused on the first phase of the game. To maximize the amount of resources produced in the game is necessary to determine goals that produce resources such scale, considering quality goals. Large part of the works in planning for games not consider the search for goals that have quality or criteria that benefit planning for use within the game. Thus, to stipulate goals we propose an approach that maximizes the resource production using Simulated Annealing (SA) along with planning techniques. The approach uses stochastic search to maximize production of resources generating plans of action that produce such resources within the game and can be considered as goals with quality planning to be achieved. For the correct operation of this work, the SA was adapted to operate on the domain of real time, and have also been developed planners and consistency checkers to assist it in this task. As a result, the approach was efficient in its use within the environment of an RTS game, where the resource production was able to match with human players during testing. Thus, this research aims to fill a gap present in related works of planning for RTS games, in relation to the production of resources based on criteria.Mestre em Ciência da ComputaçãoJogos de estratégia em tempo real (jogos RTS) são um importante campo de pesquisa em planejamento com inteligência artificial. Nesses jogos temos que lidar com características que representam desafios para o planejamento, tais como restrições de tempo, efeitos numéricos e ações com grande número de pré-condições. Jogos RTS são caracterizados por duas importantes fases. A primeira, onde é preciso reunir recursos e desenvolver um exército via produção de recursos. Na segunda, os recursos produzidos na primeira fase são utilizados em batalhas que envolvem defesa e ataque contra o inimigo. Deste modo, a primeira fase torna-se de vital importância para o sucesso do jogador dentro do jogo, e uma maximização na produção de recursos que eleve ao máximo o poder do exército desenvolvido, reflete diretamente nas chances de vitória. Essa pesquisa é focada na primeira fase do jogo. Para maximizar a quantidade de recursos produzidos no jogo é necessário estipular metas que produzam recursos em tal escala, sendo consideradas metas com qualidade. Grande parte dos trabalhos na área de planejamento para jogos não consideram a busca por metas que tenham qualidade ou critérios que beneficiem o planejamento para serem utilizadas dentro do jogo. Com isso, para conseguir estipular tais metas é proposta uma abordagem que maximiza a produção de recursos utilizando Simulated Annealing (SA) junto com técnicas de planejamento. A abordagem utiliza busca estocástica para maximizar a produção de recursos gerando planos de ações que produzam tais recursos dentro do jogo e possam ser considerados metas a serem atingidas com qualidade para o planejamento. Para o correto funcionamento deste trabalho, o SA foi adaptado para operar sobre o domínio de tempo real, e também foram desenvolvidos planejadores e verificadores de consistência para auxiliar em tal tarefa. Como resultado, a abordagem apresentou eficiência em seu uso dentro do ambiente de um jogo RTS, onde a produção de recursos foi capaz de equiparar-se com jogadores humanos durante os testes. Assim, essa pesquisa visa preencher uma lacuna presente nos trabalhos correlatos de planejamento para jogos RTS, em relação à produção de recursos baseada em critérios.