تنظیم پویای دشواری بازی اتومبیلرانی چندنفره بر اساس الگوریتم یادگیری تقویتی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 597

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CGCO02_066

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

بازیهای رایانهای چندنفره در میان بازیکنان از اهمیت بالایی برخوردار هستند، چراکه در این نوع بازیها افراد میتوانند مهارتهای خود را با سایر بازیکنان محک زده و ضمن لذت بردن از بازی، خود را به دیگران اثبات کنند. زمانی که بازیکنان با مهارتهای مختلف در یک محیط مشخص با یکدیگر بازی میکنند، مسیله تنظیم دشواری بازی از اهمیت بالایی برخوردار است، چراکه اگر بازی برای گروهی بسیار آسان و برای گروه دیگر بسیار سخت باشد، جذابیت و کشش بازی تا حد زیادی کاهش مییابد. از آنجا که در بازیهای چندنفره، بازیکنان با یکدیگر ارتباط و برخورد محسوسی دارند، تنظیم پویای دشواری برای این نوع بازیها دارای مشکلات و دشواریهای خاص خود میباشد. از این رو بیشتر رویکردهای موجود ارایه شده در زمینه تنظیم دشواری بازی، برای بازیهای تکنفره به کار رفته است. این مقاله با به کارگیری روش یادگیری تقویتی، روشی خودکار برای تنظیم دشواری بازی اتومبیلرانی چندنفره ارایه کرده است. نتایج حاصل از مطالعه کاربری انجام شده بر روی این سیستم حاکی از موفقیت این سیستم در دستیابی به این هدف است.

نویسندگان

عرفان پیربابایی

دانشجوی کارشناسی ارشد تولید بازیهای رایانهای، دانشگاه هنر اسلامی تبریز

حسام ساکیان

دانشجوی کارشناسی ارشد طراحی شبیهساز هوشمند، دانشگاه هنر اسلامی تبریز

یونس سخاوت

استادیار و عضو هیات علمی دانشکده چندرسانهای، دانشگاه هنر اسلامی تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Adams, E. Fundamentas of Game Design. New Riders, Berkeley, 2212. ...
  • Cardamone, Luigi and Loiacono, Daniele. Evolving Competitive Car Controllers forRacing ...
  • Depping , Ansgar E., Mandryk, Regan L and Li , ...
  • G. Andrade, G. Ramalho, . Santana, and V Corruble. Extendingre ...
  • Hunicke, Robin and Chapman, Vernell. AI for dynamic difficulty adjustment ...
  • LeiTai and Ming, Liu. _ robot exploration strategy based on ...
  • Lu, Li, Shen , Cuihua and Williams, Dmitri. Friending your ...
  • نمایش کامل مراجع