Παιχνίδια Στρατηγικής με πλοήγηση σε χάρτες

Strategy Games with navigation maps (Αγγλική)

  1. MSc thesis
  2. ΓΑΛΑΖΙΟΣ, ΚΩΝΣΤΑΝΤΙΝΟΣ
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. Οκτώβριος 2016 [2016-10]
  5. Ελληνικά
  6. 100
  7. ΚΑΛΛΕΣ , ΔΗΜΗΤΡΗΣ, Αναπληρωτής Καθηγητής
  8. Τεχνητή Νοημοσύνη | Artificial Intelligence | Ενισχυτική Μάθηση | Reinforcement Learning | Unreal Engine | Unreal Engine
  9. 6
  10. 11
  11. Η παρούσα διπλωματική εργασία περιέχει: πίνακες, σχήματα, διαγράμματα, εικόνες και φωτογραφίες.
    • Η χρήση του υπολογιστή γίνεται για λόγους εκπαιδευτικούς, επιστημονικούς και επαγγελματικούς, ακόμη και για ψυχαγωγία, κυρίως με την ενασχόληση με βιντεοπαιχνίδια τα οποία παρουσιάζουν αυξημένη ζήτηση στις μέρες μας. Η βιομηχανία παραγωγής βιντεοπαιχνιδιών αυξάνεται με ραγδαίους ρυθμούς, με αποτέλεσμα ο ανταγωνισμός μεταξύ των εταιριών να γίνεται πιο σκληρός. Μία από τις κορυφαίες μηχανές παραγωγής βιντεοπαιχνιδιών είναι η Unreal Engine 4 (UE4) από την Epic. Σκοπός της παρούσας διπλωματικής εργασίας είναι να αναλύσει τον τρόπο λειτουργίας της UE4, αλλά και να αποτελέσει έναν οδηγό κατανόησής της για τους μελλοντικούς προγραμματιστές που θα ασχοληθούν μαζί της. Η εργασία παρουσιάζει ένα ολοκληρωμένο τρισδιάστατο παιχνίδι για υπολογιστές με χρήση της μηχανής γραφικών Unreal Engine 4. Βασίζεται σε ένα πρωτότυπο παιχνίδι στρατηγικής (strategy game) εναλλασσόμενης σειράς με συγκεκριμένους κανόνες. Παίζεται με δύο παίχτες οι οποίοι έχουν ένα συγκεκριμένο (και ίσο) αριθμό πιονιών. Υπάρχει ένας χάρτης ο οποίος έχει πάνω του κάποιες βάσεις και το κάθε πιόνι κινείται πάνω σε αυτές βάσεις. Υπάρχει η δυνατότητα ο χρήστης να είναι εκτός από ανθρώπινος και υπολογιστικός, οπότε και πρέπει να διαθέτει τεχνητή νοημοσύνη. Για την εκπαίδευση του Υπολογιστικού χρήστη εφαρμόζονται οι τεχνικές Ενισχυτικής Μάθησης (Reinforcement Learning). Η Ενισχυτική Μάθηση αποτελεί μια εξειδικευμένη μορφή της Τεχνητής Νοημοσύνης. Αυτού του είδους η τεχνική εκπαίδευσης παρουσιάζει πάρα πολύ μεγάλο ενδιαφέρον ως προς τη δομή της. Ουσιαστικά, μιμείται την ανθρώπινη συμπεριφορά εκπαίδευσης με τη χρήση κάποιας επιβράβευσης ή τιμωρίας. Για την εκπαίδευση του Υπολογιστικού παίχτη τo Unreal RL Game χρησιμοποιεί έναν πράκτορα μάθησης ο οποίος εφαρμόζει τις τεχνικές της Ενισχυτικής Μάθησης. Ειδικότερα εφαρμόζει τη μέθοδο χρονικών διαφορών με ίχνη καταλληλότητας TD(λ), με τη χρήση του αλγορίθμου On-Line TD(λ). Το Unreal RL Game διαφοροποιείται από το RL Graph Game ως προς τη διαδραστικότητα που παρέχει και μπορεί να αποτελέσει ένα πολύ χρήσιμο εργαλείο τόσο για εκπαιδευτικούς όσο και για πειραματικούς σκοπούς (π.χ. οι βέλτιστες ρυθμίσεις των παραμέτρων του πράκτορα).
    • Computer use is common for educational, scientific and business purposes as well as entertainment, mainly through the exploitation of video games which is in increasing demand nowadays. The video games industry is growing rapidly resulting in a more fierce competition between companies. One of the top producers in the video games industry is Unreal Engine 4 (UE4) by Epic. The main subject of this thesis is to analyze how UE4 works, as well as to constitute a guide on understanding it for prospective programmers using it. It presents an integrated three-dimensional pc game with the use of the graphics engine Unreal Engine 4. It is based on an original, alternating series strategy game subject to specific rules. It is a two-player game with a specific and equally divided number of pawns. There is a map with bases placed on it, on which the pawns are allowed to move. The user can be both human and computational, which means artificial intelligence is required. In order to train the computational user, Reinforcement Learning methods are applied. Reinforcement Learning is a specialized form of artificial intelligence. This kind of training method is of great interest as far as structure is concerned. Basically, it imitates human behavior in training, using reward or penalty. In the training process of the computational player, Unreal RL Game uses a training agent that applies the Reinforcement Learning methods. More specifically, it applies the temporal difference method with eligibility traces TD(λ) using the algorithm On-Line TD(λ). Unreal RL Game differs from RL Graph Game in terms of the interaction provided and can serve as a very useful tool for educational and experimental purposes (e.g. the optimal settings of the parameters of the learning agent).
  12. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.