Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/17081
| Title: | กรอบการทำงานสำหรับปัญญาประดิษฐ์ตัวละครผู้ช่วยเล่นที่สามารถเรียนรู้ได้ในระบบเกมออนไลน์แบบผู้เล่นจำนวนมาก |
| Other Titles: | Framework for learnable buddy in massively mutiplayer online role-playing games |
| Authors: | เทพธรณ์ หรูจิตตวิวัฒน์ |
| Advisors: | วิษณุ โคตรจรัส |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | [email protected] |
| Subjects: | เกมอินเตอร์เน็ต ปัญญาประดิษฐ์ |
| Issue Date: | 2552 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ออกแบบและพัฒนากรอบการทำงานของปัญญาประดิษฐ์ สำหรับตัวละครผู้ช่วยผู้เล่นในเกมออนไลน์ แบบผู้เล่นจำนวนมากในโลกเสมือนที่มีความต่อเนื่อง ตัวละครที่สามารถเรียนรู้และพัฒนาตนเองให้เหมาะสมกับสถานการณ์ภายในเกมได้นั้น เป็นจุดเริ่มต้นของแนวทางในการพัฒนาเกมแบบใหม่ที่มีการนำความต่อเนื่องในโลกเสมือนมาใช้ให้เกิดประโยชน์ กรอบการทำงานในวิทยานิพนธ์นี้ใช้ขั้นตอนทางพันธุกรรมในการเรียนรู้ ซึ่งมีการนำเสนอการจัดหมวดหมู่ประเภทของตัวละครในการลดขนาดของประชากรในกลุ่มการทดลอง และมีการนำพฤติกรรมของผู้เล่นมาเลียนแบบเพื่อช่วยให้การเรียนรู้สามารถทำได้อย่างรวดเร็วยิ่งขึ้น ทำการทดลองบนเกมออนไลน์แบบผู้เล่นจำนวนมากที่ เปิดให้บริการและได้รับความนิยม ผลการทดลองพบว่าปัญญาประดิษฐ์สามารถเรียนรู้ได้ภายในเวลาที่เหมาะสม ซึ่งได้เปรียบเทียบกับสถิติเวลาในการเล่นเกมออนไลน์ของผู้เล่นทั่วไป และพฤติกรรมหลังการเรียนรู้ของตัวละครที่ได้นั้นอยู่ในระดับที่น่าพึงพอใจ โดยสำรวจจากแบบสอบถาม |
| Other Abstract: | To present the design and development of a framework for artificial intelligence of a supporting character in massively multiplayer online games running a persistent world. Characters capable of learning and adapting their behavior to suit a situation in games initiate a new trend in game development that makes used of persistent worlds. The proposed framework uses genetic algorithm for its learning mechanism. A character categorization technique is proposed in order to reduce population size in test groups. Player imitation is also used to accelerate the learning process. The experiments are carrier out on a popular commercial massively multiplayer online game. Results show that the proposed artificial intelligence is capable of learning satisfactory behavior within a suitable time period, compared to a statistically available playing time of average players |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2552 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมคอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/17081 |
| URI: | http://doi.org/10.14457/CU.the.2009.29 |
| metadata.dc.identifier.DOI: | 10.14457/CU.the.2009.29 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| theppatorn_rh.pdf | 11.26 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.