CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی رفتاربازیکن دربازیهای راهبردی بی درنگ با بهره گیری ازمدل پنهان مارکف و درخت پیشینه ی بازی

عنوان مقاله: پیش بینی رفتاربازیکن دربازیهای راهبردی بی درنگ با بهره گیری ازمدل پنهان مارکف و درخت پیشینه ی بازی
شناسه ملی مقاله: CGCO01_035
منتشر شده در اولین کنفرانس ملی بازی های رایانه ای؛ فرصت ها و چالش ها در سال 1394
مشخصات نویسندگان مقاله:

آرمان رحیمی بروجردی - دانشجوی گروه مهندسی کامپیوتردانشگاه آیت ا... العظمی بروجردی (ره)
مجید جودکی - عضوهیئت علمی گروه کامپیوتردانشگاه آزاد اسلامی واحددورود

خلاصه مقاله:
امروزه بازیهای رایانه ای نقش مهمی را دردنیای فناوری اطلاعات ایفا می کنند این بازیها درقالبهای مختلفی مانند مبارزه ای نقش آفرینی بازیهای راهبردی بی درنگ و غیره ساخته میشوند بازیهای راهبردی بی درنگ محیطی را که درآن ازهوش مصنوعی انتظار میرود مانند یک رقیب واقعی عمل کند فراهم می کنند یکی ازویژگیهایی که ازبازی های راهبردی بی درنگ انتظار میرود توانایی درانجام یک بازی هوشمندانه و شبیه سازی رفتار یکرقیب واقعی و عالی است این چالش با استفاده ازهوش مصنوعی پاسخ داده میشود یکی ازراه کارهای مفید هوش مصنوعی برای شبیه سازی رفتار واقعی پیش بینی روش بازیکن و پیش گرفتن راهبرد متناسب است دراین مقاله رهیافتی برای مدلسازی رفتار بازیکن دربازیهای راهبردی بی درنگ با استفاده ازمدل پنهان مارکف و باکمک ایجاددرخت پیشینه ی بازی که رفتاربازیکن دربازیهای پیشین را نگهداری می کند ارایه شده است دراین روش پس ازترسیم یک مدل مارکف برای بازی ازیک درخت برای ذخیره و مدلسازی رفتار بازیکن درطول زمان بهره گرفته میشود سپس درهربازی با استفاده ازمدل پنهان مارکف و درخت پیشینه ی ترسیم شده راهبرد بازیکن دربازی جاری پیش بینی شده و با آن به شکلی که هزینه ی کاربه حالت کمینه میل کند مقابله خواهد شد

کلمات کلیدی:
بازیهای راهبردی بی درنگ ، بازیهای رایانه ای ، پیش بینی راهبرد ، درخت پیشینه ، مدل پنهان مارکف

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/457038/