Tez Arşivi

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Anabilim Dalı

Agent learning in fully observable, continuous and real-time game environments

Tamamen gözlemlenebilir, sürekli ve gerçek zamanlı oyun ortamlarında öğrenen ajan geliştirme

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 442015 tez numarasıyla arayabilirsiniz.

Özet:

Game industry has become one of the sectors that commonly use artificial intelligence. Today, most of the game environments need and include artificial intelligence agents to offer more challenging and entertaining experience. Development processes and the quality of artificial intelligence agents are the most important concerns in this area. Since it becomes harder to develop good agents as games become more complex, machine learning methods have started to be used in some notable games to shorten this development process and to improve the quality of agents. Popularity of machine learning applications in game environments has increased in last decades. Supervised learning is a machine learning method which can be applied to develop artificial intelligence agents that play a game like human players by imitating them. The imitating agents can either play the role of opponents or play on behalf of the real players when they are absent. The purpose of this study is to develop imitating agents for one of the world's most played online game; HaxBall. The developed agents can mimic the real HaxBall players. HaxBall is a two dimensional football game with fully observable, continuous, and real time game environment.

Summary:

Günümüzde oyun endüstrisi, yapay zekaları yaygın olarak kullanan sektörlerden birisi haline gelmiştir. Bugünkü mevcut oyun ortamlarının çoğu, kullanıcılarına daha zorlayıcı ve eğlenceli oyun deneyimi yaşatabilmek için yapay zekalara ihtiyaç duyar ve bu nedenlerden ötürü de yapay zeka birimleri içerir. Bu kapsamda yürütülen çalışmaların en önemli ilgi alanları yapay zekaların geliştirilme süreçleri ve kaliteleridir. Oyunlar karmaşıklaştıkça, yapay zeka birimleri geliştirme işi daha da zorlaşır. Bundan dolayıdır ki makine öğrenmesi yöntemleri, bazı kayda değer oyunların yapay zeka birimlerinin geliştirilmesinde kullanılarak hem geliştirilmelerini kolaylaştırmış hem de kalitelerini arttırmıştır. Bu yöntemlerin oyunlarda kullanımı son birkaç on yılda artış göstermiştir ve artmaya da devam etmektedir. Danışmanlı öğrenme bir makine öğrenmesi yöntemi olup bir oyunu oyuncularını taklit ederek onlar gibi oynamayı öğrenen yapay zeka birimlerinin geliştirilmesine olanak sağlar. Bu yöntemle geliştirilen taklitçi yapay zekalar gerçek oyunculara karşı rakip olarak kullanılabilecekleri gibi oyuncuların yokluklarında onların yerlerine de kullanılabilirler. Bu çalışmanın amacı, dünyanın en çok oynanan çevrimiçi oyunlarından biri olan HaxBall için taklit eden yapay zeka birimleri geliştirmektir. Bu kapsamda geliştirilen birimler, gerçek HaxBall oyuncularını taklit etme yetisine sahiptirler. HaxBall iki boyutlu bir futbol oyunu olup, tamamen gözlemlenebilir, sürekli ve gerçek zamanlı bir oyun ortamına sahiptir.