• Journal of Internet Computing and Services
• /
• v.16 no.6
• /
• pp.69-78
• /
• 2015

Recently, research on the multi-agent system is developed actively in the various fields, especially on the control of complex system and optimization. In this study, we develop a multi-agent system for NPC simulation in game environment. The purpose of the development is to support quick and precise decision by inferencing the situation of the dynamic discrete domain, and to support an optimization process of the agent system. Our approach employed Petri-net as a basic agent model to simplify structure of the system, and used fuzzy inference engine to support decision making in various situation. Our experimentation describes situation of the virtual battlefield between the NPCs, which are divided two groups, such as fuzzy rule based agent and automata based agent. We calculate the percentage of winning and survival rate from the several simulations, and the result describes that the fuzzy rule based agent showed better performance than the automata based agent.

• Journal of Korea Multimedia Society
• /
• v.11 no.1
• /
• pp.76-87
• /
• 2008

As hardware performance rises, game users demand higher computer graphic, more convenient UI(User Interface), faster network, and smarter AI(Artificial Intelligence). At this time, however, AI development is accomplished by a co-development team or only one developer. For that reason, it's hard to verify that AI performance and basic game AI technology is lacking for developing high-level AI. Searching the merits and demerits of existing game AI platforms, we investigate main points to consider when designing game AI platforms in this paper. From this we suggest Darwin, a game platform, based on agent that developers embody AI easily and capable of proposing AI test with module that makes them find strategic position. And then evaluate achievement results through making agent used strategic module that Darwin offers.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.01a
• /
• pp.243-246
• /
• 2018

본 논문에서는 2차원 공간상에서 상부에서 하부로 떨어지는 블록을 하부에서 피하는 게임에서 강화 학습에 사용되는 DQN 알고리즘을 이용하여 블록 피하기 에이전트를 구현하고 학습 통해 점점 더 높은 점수를 받는 모습을 확인하였다. 파이썬을 이용하여 게임을 구현한 후 텐서플로우를 이용하여 DQN를 이용한 에이전트를 구현하였다. 에이전트는 보상을 통한 학습을 통하여 점점 강화되도록 하였는데, 초기에는 무작위로 움직였으나, 환경으로부터 받는 보상으로 점점 더 능숙하게 피하는 모습을 관찰할 수 있었다. 본 구현에서는 4000번 정도의 게임 시행에서 아주 능숙하게 피하는 결과를 얻을 수 있었다.

• Journal of Convergence for Information Technology
• /
• v.9 no.2
• /
• pp.108-114
• /
• 2019

In this paper, we propose an intelligent vocabulary recommendation agent that automatically provides vocabulary corresponding to game-based learners' needs and requirements in the mobile education augmented reality game environment. The proposed agent reflects the characteristics of mobile technology and augmented reality technology as much as possible. In addition, this agent includes a vocabulary reasoning module, a single game vocabulary recommendation module, a battle game vocabulary recommendation module, a learning vocabulary list Module, and a thesaurus module. As a result, game-based learners' are generally satisfied. The precision of context vocabulary reasoning and thesaurus is 4.01 and 4.11, respectively, which shows that vocabulary related to situation of game-based learner is extracted. However, In the case of satisfaction, battle game vocabulary(3.86) is relatively low compared to single game vocabulary(3.94) because it recommends vocabulary that can be used jointly among recommendation vocabulary of individual learners.

• Journal of KIISE:Software and Applications
• /
• v.31 no.2
• /
• pp.101-110
• /
• 2004

In dynamic systems, such as social and economic systems, complex interactions emerge among its members. In that case, their behaviors become adaptive according to Changing environment. In many cases, an individual's behaviors can be modeled by a stimulus-response system in a dynamic environment. In this paper, we use the Iterated Prisoner's Dilemma (IPD) game, which is simple yet capable of dealing with complex problems, to model the dynamic systems. We propose strategic coalition consisting of many agents and simulate their emergence in a co-evolutionary learning environment. Also we introduce the concept of confidence for agents in a coalition and show how such confidences help to improve the generalization ability of the whole coalition. Experimental results are presented to demonstrate that co-evolutionary learning with coalitions and confidence allows better performing strategies that generalize well.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.730-732
• /
• 2005

본 논문에서는 자율적인 다수의 에이전트들이 협력하여 미지의 공간을 탐사하는 실시간 그래프 탐색 알고리즘인 MADFS를 제안하고 그 효율성을 분석한다. 이 알고리즘은 깊이-우선 탐색(DFS)에 기초한 단일 에이전트 공간 탐사 알고리즘인 dFS-RTA* 와 DFS-PHA* 를 멀티 에이전트 환경에 적합하게 에이전트 간 정보공유 방식과 방문노드 선택전략을 설계하여 확장하였다. 본 논문에서는 대표적인 3차원 온라인 게임 환경인 Unreal Tournament 게임과 지능형 캐릭터 에이전트인 KGBot를 이용한 실험을 통해 알고리즘의 완전성과 효율성을 분석해본다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.379-384
• /
• 2002

개발적인 측면에서 온라인 게임 환경에서의 NPC(Non Playable Character)들은 환경인식능력, 이동능력, 특수 능력 및 아이템의 소유 배분 등을 원활히 하기 위한 능력들을 소유해야 하며, 게임 환경을 인식, 저장하기 위한 데이터구조와 자신만의 독특한 임무(mission)를 달성하기 위한 계획을 갖고 행위를 해야 한다. 이런 의미에서 NPC는 자신만의 고유한 규칙과 행동 패턴, 그리고 목표(Goal)와 이를 실행하기 위한 계획(plan)을 소유하는 에이전트로 인식되어야 할 것이다. 그러나, 기존 게임의 NPC 제어 구조나 구현 방법은 이러한 요구조건에 부합되지 못한 부분이 많았다. C/C++ 같은 컴퓨터 언어들을 이용한 구현은 NPC의 유연성이나, 행위에 많은 문제점이 있었다. 이들 언어의 switch 문법은 NPC의 몇몇 특정 상태를 묘사하고, 그에 대한 행위를 지정하는 방법으로 사용되었으나, 게임 환경이 복잡해지면서, 더욱더 방대한 코드를 만들어야 했고, 해석하는데 많은 어려움을 주었으며, 동일한 NPC에 다른 행동패턴을 적용시키기도 어려웠다. 또한, 대부분의 제어권을 게임 서버 폭에서 도맡아 함으로써, 서버측에 많은 과부하 요인이 되기도 하였다. 이러한 어려움을 제거하기 위해서 게임 스크립트를 사용하기도 하였지만, 그 또한 단순 반복적인 패턴에 사용되거나, 캐릭터의 속성적인 측면만을 기술 할 수 있을 뿐이었다 이러한 어려움을 해소하기 위해서는 NPC들의 작업에 필요한 지식의 계층적 분화를 해야 하고, 현재 상황과 목표 변화에 적합한 반응을 표현할 수 있는 스크립트의 개발이 필수 적이라 할 수 있다 또한 스크립트의 실행도 게임 서버 측이 아닌 클라이언트 측에서 수행됨으로써, 서버에 걸리는 많은 부하를 줄일 수 있어야 할 것이다. 본 논문에서는, 대표적인 반응형 에이전트 시스템인 UMPRS/JAM을 이용하여, 에이전트 기반의 게임 캐릭터 구현 방법론에 대해 알아본다.퓨터 부품조립을 사용해서 Template-based reasoning 예를 보인다 본 방법론은 검색노력을 줄이고, 검색에 있어 Feasibility와 Admissibility를 보장한다.매김할 수 있는 중요한 계기가 될 것이다.재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.ting LMS according to increasing the step-size parameter $\mu$ in the experimentally computed. learning curve. Also we find that convergence speed of proposed algorithm is increased by (B+1) time proportional to B which B is the number of recycled data buffer without complexity of computation. Adaptive transversal filter with proposed data recycling buffer algorithm could efficiently reject ISI of channel and increase speed of convergence in avoidance burden of computational complexity in reality when it was experimented having

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.223-225
• /
• 2000

사화나 경제와 같은 동적 시스템에서 행동에 대한 적절성은 주위의 개체들에 의해 평가되고 일반적으로 동적 시스템에서 개체들의 행동은 주위 상황의 변화에 민감한 자극-반응의 형태로 나뉜다. 본 논문에서는 그와 같은 동적 시스템을 간단한 반복적 죄수의 딜레마게임으로 모델링하고 에이전트들의 연합을 통해 일반화 능력을 향상시킴으로써 환경변화에 보다 적응적으로 반응하도록 한다. 이를 위해 반복적 죄수의 딜레마 게임에서 획득된 전략 연합에서 에이전트들의 신뢰도를 조정함으로써 일반화 능력이 향상되도록 하였다. 실험결과, 전략 연합에서 에이전트들의 신뢰도를 진화적으로 조정함으로써 일반화 능력을 크게 향상시킬 수 있음을 볼 수 있었다.

• Journal of Korea Game Society
• /
• v.5 no.3
• /
• pp.25-30
• /
• 2005

Until now, the level design for games has played a very important role in the process of developing games since it has been mapped out and applied so the game players have fun to certain level in playing games. So as game becomes more complex the number of game designers also grow and to make diverse levels, work force and working hours also should grow larger. In this treatise, it suggest a way where level's structure is changing dynamically so with only one level you can experience diverse levels by introducing wandering agent to the level structure. Also, I am trying to show the possibility of balance between the players by wandering agent.

• Journal of Convergence for Information Technology
• /
• v.11 no.3
• /
• pp.1-6
• /
• 2021

Most of the match-3 puzzle games supports automatic play using the MCTS algorithm. However, implementing reinforcement learning agents is not an easy job because it requires both the knowledge of machine learning and the way of complex interactions within the development environment. This study proposes a method in which we can easily design reinforcement learning agents and implement game play agents by applying PPO(Proximal Policy Optimization) algorithms. And we could identify the performance was increased about 44% than the conventional method. The tools we used are the Unity 3D game engine and Unity ML SDK. The experimental result shows that agents became to learn game rules and make better strategic decisions as experiments go on. On average, the puzzle gameplay agents implemented in this study played puzzle games better than normal people. It is expected that the designed agent could be used to speed up the game level design process.