진화 알고리즘을 적용한 게임 난이도 조절
Game Difficulty Controlling using Evolutionary Algorithm
1
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
본 최근 가장 각광을 받고 있는 산업이 바로 게임이고 게임산업은 이미 매년 200~300억 달러 이상의 시장 규모를 보이는 차세대 산업으로 성장했다. 최근 게임산업 혹은 게임에 관한 연구의 초점은 단연 컴퓨터 그래픽이었다. 그래픽 카드 혹은 가정용 게임기의 성능을 보면 실로 놀라움을 금할 수 없다. 이와 같이 게임의 그래픽적인 요소의 기형적인 발전은 외관상으로 한계에 다다른 것으로 보인다. 그래픽 이외에 게임의 다른 요소로 중요한 부분을 차지하는 것이 바로 게임에서의 인공지능이다. 본 연구는 인공지능 기법 중 자연계에서의 다윈(C. Darwin)의 적자생존을 모방한 유전 알고리즘을 이용하여 사용자의 성향 및 게임에 대한 적응도에 따라 게임의 난이도를 조절하는 방법이며 게임 인공지능에 관한 것이다. 유전 알고리즘을 적용하여 게임 중 사용자의 성향을 분석하고 게임에 얼마나 적응하였는지를 판단, 사용자의 게임에 대한 적응도를 평가하여 게임에 익숙하지 않은 초보자 혹은 게임에 능숙한 숙련자에게 그에 적당한 난이도를 제공하는 알고리즘을 제안한다.
Abstract
Recently one of fastest developing industry is game industry. Latest games commonly have two features, one is a fine graphic feature and the other is a networking feature. Since most developers believe crafting a game graphic has become most important, they focus on realistic graphics or game appearance. But graphic development seems to reach a limitation.Another peculiar trend is networking. Since the modern A.I. techniques do not supply a smart enemy in playing a game, networking of a game is inevitable. People growing up with playing games become easily skillful in a computer game. Therefore the lifecycle of a game comes to be short little by little. But if we concern the purpose and the motivation of playing a game, it is necessary that we research the game A.I. If there is a computer game as intelligent as a game player, they are hard to get tired of a game. But the game A.I. techniques are at first step, moreover it is not comprehended to all of A.I technique in academic. Sometimes a game appears intelligent.
참고문헌 (14)
- "Using a computer game to develop advanced AI"
- "Game AI: The State of the Industry", 1
- "Game AI: The State of the Industry Part 2", 8
- "Applying the Genetic Algorithm to the Game of Othello" (1999), VRIJE University of BRUSSEL
- "Learning Models of Opponent's Strategy in Game Playing" (1993)
- "Human-level AI's Killer Application: Interactive Computer Games", pp.1171~1178 (2000), AAAI Press[DOI]
- "An Analysis of the Behavior of a Class of Genetic Adaptive Systems University of Michigan" (1975)
- "Genetic algorithms in search optimization and machine learning" (1989)
- "The Unique Implications of Brood Selection for Genetic Programming", pp.160~165
- "Hybridized crossover-based search techniques for program discovery" (1995), Santa Fe Institute
- "A Practical Schema Theorem for Genetic Algorithms Design and Tuning", (2001017) (2001)
- "A New Schema Theory for Genetic Programming with One-point Crossover and Point Mutation", pp.278~285 (1997), The University of Birmingham
- "유전자 알고리즘을 적용한 사용자 기반 난이도 조절 알고리즘 기법", 1 (2002)
- "User Adaptive Algorithm for Game Difficulty Control" (2003)