본 논문에서는 유전 알고리즘을 이용하여 런 게임에서 플레이어에게 지속적으로 흥미를 유발시키기 위해 플레이어의 행동패턴에 따라 실시간으로 장애물을 생성하여 난이도를 조정하는 방법을 제안한다. 런 게임의 기존 장애물 생성방법인 랜덤 생성방법은 다양한 위치를 가지고 장애물이 생성되었지만 플레이어에 행동패턴에 맞게 조정이 불가능 하고 패턴 생성방법은 플레이어의 행동패턴을 고려하는 것이 아닌 설계자가 몇 개의 패턴을 구상하여 장애물을 만들기 때문에 다양한 방법으로 장애물을 구상하지 않는다면 난이도 조정이 어렵다. 제안하는 방법은 유전 ...
본 논문에서는 유전 알고리즘을 이용하여 런 게임에서 플레이어에게 지속적으로 흥미를 유발시키기 위해 플레이어의 행동패턴에 따라 실시간으로 장애물을 생성하여 난이도를 조정하는 방법을 제안한다. 런 게임의 기존 장애물 생성방법인 랜덤 생성방법은 다양한 위치를 가지고 장애물이 생성되었지만 플레이어에 행동패턴에 맞게 조정이 불가능 하고 패턴 생성방법은 플레이어의 행동패턴을 고려하는 것이 아닌 설계자가 몇 개의 패턴을 구상하여 장애물을 만들기 때문에 다양한 방법으로 장애물을 구상하지 않는다면 난이도 조정이 어렵다. 제안하는 방법은 유전 알고리즘을 이용하여 플레이 중 플레이어의 행동패턴을 분석하고 게임에 얼마나 적응하였는지 판단하여 적합도를 평가하여 게임에 익숙한 숙련자 혹은 익숙하지 않은 초보자 상관없이 다양한 플레이어에게 맞추어 장애물의 생성위치를 변경하여 난이도를 조정하도록 하여 기존의 방법을 보완하였다. 랜덤 생성방법과 패턴 생성방법과 제안하는 생성방법과 비교평가하기 위해 플레이시간을 측정하였다. 결과적으로 제안하는 알고리즘이 기존의 생성방법들의 문제점을 해결하여 적정한 플레이 시간을 보이며 런 게임의 재미를 유지하는 것을 알 수 있다.
주요어: 유전 알고리즘, 런 게임, 동적 난이도
본 논문에서는 유전 알고리즘을 이용하여 런 게임에서 플레이어에게 지속적으로 흥미를 유발시키기 위해 플레이어의 행동패턴에 따라 실시간으로 장애물을 생성하여 난이도를 조정하는 방법을 제안한다. 런 게임의 기존 장애물 생성방법인 랜덤 생성방법은 다양한 위치를 가지고 장애물이 생성되었지만 플레이어에 행동패턴에 맞게 조정이 불가능 하고 패턴 생성방법은 플레이어의 행동패턴을 고려하는 것이 아닌 설계자가 몇 개의 패턴을 구상하여 장애물을 만들기 때문에 다양한 방법으로 장애물을 구상하지 않는다면 난이도 조정이 어렵다. 제안하는 방법은 유전 알고리즘을 이용하여 플레이 중 플레이어의 행동패턴을 분석하고 게임에 얼마나 적응하였는지 판단하여 적합도를 평가하여 게임에 익숙한 숙련자 혹은 익숙하지 않은 초보자 상관없이 다양한 플레이어에게 맞추어 장애물의 생성위치를 변경하여 난이도를 조정하도록 하여 기존의 방법을 보완하였다. 랜덤 생성방법과 패턴 생성방법과 제안하는 생성방법과 비교평가하기 위해 플레이시간을 측정하였다. 결과적으로 제안하는 알고리즘이 기존의 생성방법들의 문제점을 해결하여 적정한 플레이 시간을 보이며 런 게임의 재미를 유지하는 것을 알 수 있다.
In this paper, we propose a method to adjust the difficulty level by generating obstacles in real time according to the player 's behavior pattern in order to induce the player' s interest in the run game by using the genetic algorithm. The random generation method, which is a method of generati...
In this paper, we propose a method to adjust the difficulty level by generating obstacles in real time according to the player 's behavior pattern in order to induce the player' s interest in the run game by using the genetic algorithm. The random generation method, which is a method of generating obstacles of the run game, can not adjust the player to the behavior pattern although obstacles are generated in various positions. The pattern generation method does not consider the behavior pattern of the player. It is difficult to adjust the difficulty if you do not envisage obstacles in various ways because you make obstacles. The proposed method uses genetic algorithm to analyze the player 's behavior pattern during play and judge how much he has adapted to the game and evaluate the fitness, and change the position of obstacle to be created to various players regardless of beginner or expert who are not familiar with the game The difficulty level was adjusted to compensate the existing method. The play time was measured to compare with the random generation method, the pattern generation method and the proposed generation method. As a result, it is shown that the proposed algorithm solves the problems of the existing generation methods, shows proper play time, and maintains the fun of the run game.
keyword: Genetic Algorithm, Run Game, Dynamic Difficulty
In this paper, we propose a method to adjust the difficulty level by generating obstacles in real time according to the player 's behavior pattern in order to induce the player' s interest in the run game by using the genetic algorithm. The random generation method, which is a method of generating obstacles of the run game, can not adjust the player to the behavior pattern although obstacles are generated in various positions. The pattern generation method does not consider the behavior pattern of the player. It is difficult to adjust the difficulty if you do not envisage obstacles in various ways because you make obstacles. The proposed method uses genetic algorithm to analyze the player 's behavior pattern during play and judge how much he has adapted to the game and evaluate the fitness, and change the position of obstacle to be created to various players regardless of beginner or expert who are not familiar with the game The difficulty level was adjusted to compensate the existing method. The play time was measured to compare with the random generation method, the pattern generation method and the proposed generation method. As a result, it is shown that the proposed algorithm solves the problems of the existing generation methods, shows proper play time, and maintains the fun of the run game.
keyword: Genetic Algorithm, Run Game, Dynamic Difficulty
※ AI-Helper는 부적절한 답변을 할 수 있습니다.