Chulalongkorn University Theses and Dissertations (Chula ETD)

การสร้างปัญญาประดิษฐ์คู่ต่อสู้ที่สูสีกับผู้เล่นในเกมวางแผนแบบผลัดกันเล่นในท้องตลาด

Other Title (Parallel Title in Other Language of ETD)

Generating an evenly matched opponent AI in commercial turn-based strategy games

Year (A.D.)

2010

Document Type

Thesis

First Advisor

วิษณุ โคตรจรัส

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมคอมพิวเตอร์

DOI

10.58837/CHULA.THE.2010.1573

Abstract

การวิจัยเกี่ยวกับด้านเกมวางแผนการรบแบบผลัดกันเล่น ในปัจจุบันส่วนใหญ่มุ่งเน้นไปที่การทำให้ปัญญาประดิษฐ์เล่นได้เก่งขึ้น จนสามารถที่จะเอาชนะผู้เล่นได้ แต่การสร้างปัญญาประดิษฐ์ให้เก่งกว่าผู้เล่นอาจ ทำให้เกิดปัญหาเมื่อนำเกมออกจำหน่ายเนื่องจากผู้เล่นอาจเกิดความเบื่อหน่ายเมื่อเล่นแล้วไม่สามารถเอาชนะได้ ซึ่งอาจทำให้ผู้เล่นเลิกเล่นเกมไปได้ ดังนั้นการทำให้ปัญญาประดิษฐ์สามารถปรับตัวให้ต่อสู้ได้อย่างทัดเทียมกับความสามารถของผู้เล่น จึงมีความสำคัญมากสำหรับเกมที่มีการจำหน่ายจริง งานวิจัยนี้ทำการนำเสนออีวาลูเอชัน ฟังก์ชัน เพื่อคำนวณคะแนนของการกระทำของแต่ละตัวละครในแต่ละตาเดิน นอกจากนี้ยังนำเสนอวิธีการ 3 วิธีในการนำคะแนนของตาเดินในอดีตและอนาคตมาใช้ประเมินความสามารถของผู้เล่น เพื่อทำให้ปัญญาประดิษฐ์สามารถเล่นได้ในระดับเดียวกัน โดยที่ไม่มีการแสดงการตัดสินใจที่ไม่สมเหตุสมผล หรือการเปลี่ยนแปลงระดับความยากขึ้นในทันทีทันใด เกมที่ใช้ในงานวิจัยนี้เป็นเกมที่อ้างอิงมาจากเกมตระกูล Final Fantasy Tactics โดยจากการทดลองได้ผลสรุปว่า ปัญญาประดิษฐ์ทั้ง 3 วิธีที่ได้นำเสนอมานั้น สามารถทำการเล่นกับฝ่ายตรงข้ามได้อย่างค่อนข้างสูสี แต่จะมีข้อดีและข้อเสียต่างกันไปโดยรูปแบบที่สามารถเล่นได้สูสีโดยเกิดปัญหาน้อยที่สุดคือ รูปแบบที่ใช้ข้อมูลตาเดินของผู้เล่นที่เคยเกิดขึ้นในอดีตและตาเดินที่คาดคะเนว่าจะเกิดในอนาคตระยะสั้น ตัวปัญญาประดิษฐ์สามารถนำไปใช้ได้กับเกมจริง โดยผู้ใช้งานสามารถปรับเปลี่ยนส่วนของสมการและระดับค่าความสูสีเพื่อรองรับสถานะของเกมที่แตกต่างออกไปได้

Other Abstract (Other language abstract of ETD)

Recent researches in turn-based strategy (TBS) games concentrate on developing artificial intelligence that beats players. Such artificial opponents in games, however, may cause problems when the games go on sale. Players may get bored from not being able to win and quit playing. Therefore, keeping players engage in games according to their skill level is very important for commercial games. This thesis introduces evaluation functions for calculating the score from each unit’s action. Furthermore, three algorithms for calculating a human opponent’s skill level and adjusting the artificial player’s skill level to match its human opponent’s skill level are introduced. These algorithms make various uses of scores from past and future turns. Unreasonable moves or sudden changes in difficulty level are prevented by the algorithms. A Final Fantasy Tactics-like game is used in our experiment. From the experiment, the three algorithms from this thesis are capable of playing as well as their opponents. Each algorithm has different limitations. The algorithm with the least number of problems takes scores from the past and estimates possible actions for the near future. The proposed algorithm can be used in commercial games by adjusting equations and skill level gaps to support different game states.

Link to Full Text

Share

COinS