Дослідження та імплементація алгоритмів штучного інтелекту для оптимізації ігрового процесу в 2D стратегіях

Abstract

Об’єктом дослідження є алгоритми штучного інтелекту, що використовуються в 2D-стратегічних іграх для оптимізації ігрового процесу. У кваліфікаційній роботі досліджено алгоритми штучного інтелекту для оптимізації ігрового процесу в 2D-стратегічних іграх. Проведено аналіз традиційних алгоритмів пошуку та прийняття рішень, таких як A*, мінімакс із альфа-бета відсіканням, а також сучасних підходів машинного навчання, включаючи Q-learning. Предмет дослідження – алгоритми штучного інтелекту для оптимізації ігрового процесу в реальному часі. Метою роботи є дослідження та впровадження методів покращення ігрового процесу в 2D стратегічних іграх, забезпечивши ефективну поведінку ігрових агентів. Реалізація алгоритмів здійснена на ігровому рушії Unity. Запропоновані методи дозволяють ігровим агентам ефективно шукати оптимальні маршрути, ухвалювати стратегічні рішення та адаптуватися до змінних умов гри. У процесі тестування було підтверджено ефективність використаних алгоритмів, зокрема зниження обчислювальних витрат за рахунок оптимізації пошукових процесів та покращення якості стратегічного моделювання NPC. Робота складається з фахового розділу та спеціальної частини. Пояснювальна записка містить вступ, три розділи, висновки та додатки. У першому розділі розглядається теоретичний аспект алгоритмів пошуку шляху, їх класифікація та порівняння. У другому розділі проведено3 аналіз існуючих алгоритмів штучного інтелекту та обґрунтовано вибір оптимальних методів. У третьому розділі описано процес реалізації алгоритмів у розробленій грі, їх тестування, оптимізацію та оцінку ефективності. Кваліфікаційна робота викладена на 52 сторінках, містить 3 таблиці, 11 рисунків, список використаних джерел включає 30 найменувань.

The object of the study is artificial intelligence algorithms used in 2D strategy games to optimize the gameplay. The qualification work investigates artificial intelligence algorithms for optimizing the gameplay in 2D strategy games. An analysis of traditional search and decision-making algorithms, such as A*, minimax with alpha-beta cutoff, as well as modern machine learning approaches, including Q-learning, was conducted. The subject of the study is methods and algorithms for making decisions for NPCs taking into account the optimization of the gameplay. The aim of the work is to study and implement AI methods to increase the autonomy and adaptability of NPCs in strategy games. The implementation of the algorithms was carried out on the Unity game engine. The proposed methods allow game agents to effectively search for optimal routes, make strategic decisions, and adapt to changing game conditions. The testing process confirmed the effectiveness of the algorithms used, in particular, reducing computational costs by optimizing search processes and improving the quality of NPC strategic modeling. The work consists of a technical section and a special part. The explanatory note contains an introduction, three sections, conclusions, and appendices. The first section considers the theoretical aspect of path finding algorithms, their classification, and comparison. The second section analyzes existing artificial intelligence algorithms and justifies the choice of optimal methods. The third section describes the process of implementing algorithms in the developed game, their testing, optimization, and effectiveness assessment. The qualification work is presented on 52 pages, contains 3 tables, 11 figures, the list of sources used includes 30 names.