Tekoäly reaaliaikaisissa strategiapeleissä
No Thumbnail Available
Files
Metsälä_Ilari_2024.pdf (1.17 MB) (opens in new window)
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024-05-08
Department
Major/Subject
Tietotekniikka
Mcode
SCI3027
Degree programme
Teknistieteellinen kandidaattiohjelma
Language
fi
Pages
23
Series
Abstract
Reaaliaikaiset strategiapelit tarjoavat haastavan, mutta hyvin määritellyn ympäristön tekoälyn kehitykselle. Reaaliaikaisissa strategiapeleissä esiintyy useita haasteita, joita on havaittavissa myös oikean maailman tekoälysovelluksissa. Näitä ovat esimerkiksi osittainen havainnointi, suuret tila-avaruudet ja nopea päätöksenteko. Tämän kandidaatintyön tavoitteena on koota tietoa reaaliaikaisista strategiapeleistä ja niitä pelaavista tekoälyagenteista. Työ suoritetaan kirjallisuustutkimuksena. Työssä käsitellään tarkemmin Monte Carlo -puuhakuun ja syvään vahvistusoppimiseen perustuvia teko-älyagentteja. Nämä tekniikat valikoituivat tarkempaan tarkasteluun johtuen niiden yleistet-tävyydestä, menestyksestä ja saatavilla olevan tutkimuksen määrästä. Monte Carlo -puuhaku osoittautui monipuoliseksi ja verrattain tehokkaaksi pohjaksi tekoälyagentille reaaliaikaisissa strategiapeleissä. Haasteeksi Monte Carlo -puuhaulle muodostui aiemmin mainittujen lisäksi algoritmille ominaiset satunnaissimulaatiot, joita on vaikea suorittaa etenkin kaupallisissa peleissä. Syvään vahvistusoppimiseen perustuvat agentit taas kykenevät parhaisiin ihmispelaajiin verrattavaan suorituskykyyn. Tämä vaatii kuitenkin suuria laskentaresursseja tekoälyagentin koulutusvaiheessa.Description
Supervisor
Savioja, LauriThesis advisor
Rintanen, JussiKeywords
tekoäly, koneoppiminen, reaaliaikainen strategia, Monte Carlo -puuhaku, syvä vahvistusoppiminen