ارائه یک سیستم هوش مصنوعی ترکیبی برای بهینه سازی راهبرد حمله در بازی های جنگی مبتنی بر تحلیل عده و تجهیزات

در حوزه بازی های جنگی استراتژیک، یکی از چالش های اصلی بازیکنان و توسعه دهندگان هوش مصنوعی، انتخاب بهینه ترین راهکار برای حمله با در نظر گرفتن امکانات خودی و دشمن است. این تصمیم گیری مستلزم تحلیل پیچیده عوامل کمی (مانند تعداد سربازان، قدرت ضربه، سلامت واحدها) و عوامل کیفی (مانند موقعیت مکانی، نوع زمین و غافلگیری) می باشد. روش های سنتی مانند درختان تصمیم گیری یا قواعد از پیش تعریف شده، به دلیل انعطاف پذیری پایین و ناتوانی در مواجهه با موقعیت های پویا، اغلب بهینه نیستند. این مقاله یک روش پیشنهادی ترکیبی را معرفی می کند که از الگوریتم های چندهدفه برای تصمیم گیری بهره می برد. هسته اصلی این سیستم بر پایه الگوریتم ژنتیک چندهدفه (MOGA) است که امکان بهینه سازی همزمان چندین هدف متضاد، همچون حداکثر کردن آسیب به دشمن، حداقل کردن تلفات خودی و حداقل کردن مصرف منابع را فراهم می سازد. در این روش، ابتدا وضعیت بازی (عده و تجهیزات هر دو طرف) به عنوان ورودی دریافت شده و به یک فضای جستجوی چندبعدی تبدیل می شود. نتایج شبیه سازی ها در سناریوهای مختلف جنگی نشان می دهد که روش پیشنهادی MOGA در مقایسه با رقبا، قادر به یافتن راهبردهایی با کارایی بالاتر و انعطاف پذیری بیشتر است، به طوری که به طور متوسط منجر به ۲۰٪ کاهش تلفات خودی و ۱۵٪ افزایش کارایی عملیات در شرایط یکسان می شود. این سیستم به دلیل ماهیت تکاملی خود قادر به پتاسیون با شرایط متغیر battlefield بوده و می تواند به عنوان یک موتور تصمیم گیر قدرتمند در بازی های جنگی پیچیده مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی در بازی ها ، بازی جنگی ، الگوریتم ژنتیک چندهدفه ، بهینه سازی راهبرد ، تحلیل عده و تجهیزات ، سیستم تصمیم گیری.