Συντάχθηκε 04-11-2021 14:02
Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 11/11/2021 11:00
Λήξη: 11/11/2021 12:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΧΡΗΣΤΟΣ ΖΗΣΚΑΣ
θέμα
Δημιουργία Εξατομικευμένων/Ισορροπημένων Αγωνιστικών Παιχνιδιών μέσω της Εξέλιξης του Κυλιόμενου Ορίζοντα.
Generating Personalized/Balanced Racing Games Via Rolling Horizon Evolution.
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Μιχαήλ Λαγουδάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Γεώργιος Χαλκιαδάκης
Καθηγητής Γεώργιος Γιαννακάκης (Πανεπιστήμιο Μάλτας)
Περίληψη
Τα τελευταία χρόνια, η ανάπτυξη παιχνιδιών έχει αφιερωθεί σε μεγάλο βαθμό στην πρόοδο της σύνθεσης περιεχομένου. Ένα πολυσυζητημένο θέμα μελέτης για προγραμματιστές παιχνιδιών είναι η αυτόνομη δημιουργία επιπέδων για βιντεοπαιχνίδια. Οι εξελικτικοί αλγόριθμοι έχουν δει εκτεταμένες χρήσεις λόγω της σταθερότητας σε γενικά υπολογιστικά προβλήματα και της ζήτησης τεχνικών τεχνητής νοημοσύνης. Σε αυτή τη διατριβή, δοκιμάζουμε την ικανότητα ενός καινοτόμου αλγορίθμου να προσφέρει εξατομικευμένες εμπειρίες στο είδος των αγωνιστικών παιγνίων. Χρησιμοποιούμε έναν καινούργιο στοχαστικό αλγόριθμο σχεδιασμού ονομαζόμενο RHEA , ο οποίος παράγει περιεχόμενο με βάση τη δυσκολία του επιπέδου και τις επιδόσεις του παίκτη στο παιχνίδι. Ο αλγόριθμος δοκιμάζεται από πράκτορες και ανθρώπινους παίκτες. Πράκτορες καθορίζουν τα όρια του καναλιού ροής μέσα στο οποίο αξιολογούνται οι παίκτες. Στη συνέχεια, ο αλγόριθμος προσπαθεί να φέρει το επίπεδο δυσκολίας ώστε να ταιριάζει με την απόδοση του παίκτη μέσω της συνάρτησης καταλληλότητας. Τα αποτελέσματα υποδηλώνουν ότι ο αλγόριθμος είναι λειτουργικός και ότι η εμπειρία των παικτών βελτιστοποιείται με βάση το επίπεδο δεξιοτήτων τους.
Abstract
In recent years, game development has been heavily dedicated to the advancement of Procedural Content Generation (PCG). A much-discussed topic of study for game developers is the autonomous generation of levels for video games. Evolutionary Algorithm (EA)s have seen extensive uses due to the stability in general computational problems and the demand for artificial intelligence techniques. In this dissertation, we test the ability of an innovative algorithm to offer personalized experiences online in the racing video game genre. We use a recent stochastic planning algorithm named Rolling Horizon Evolution Algorithm (RHEA), which generated content (parts of a race track) based on the difficulty of the level and the player’s in-game performance. The algorithm is tested against Artificial Intelligence (AI) and human players; AI racing players define the bounds of the flow channel within which the human players are assessed. The algorithm then attempts to bring the level of difficulty to match player performance through its fitness function. Results suggest that the algorithm is operational and that the experience of various human players is optimized based on their skill level.
Meeting ID: 976 2566 0272
Password: 860136
