[논문]축구 시뮬레이션 게임에서의 유전 알고리즘을 활용한 게임 캐릭터 생성 연구

노해선; 이대웅

doi:10.7583/jkgs.2017.17.6.129

축구 시뮬레이션 게임에서의 유전 알고리즘을 활용한 게임 캐릭터 생성 연구
A Study on The Game Character Creation Using Genetic Algorithm in Football Simulation Games 원문보기

한국게임학회 논문지 = Journal of Korea Game Society, v.17 no.6, 2017년, pp.129 - 138

노해선 (상명대학교 대학원 게임학과) , 이대웅 (상명대학교 ICT 융합대학 게임학과)

초록
AI-Helper

축구 시뮬레이션 게임에서 축구 선수들의 능력치를 현실에 가깝게 만드는 것은 게임의 흥미를 위해 매우 중요한 요소이다. 스포츠 시뮬레이션 게임에 경영 개념이 도입되면서 장시간 게임을 플레이하게 되면 기존 선수 캐릭터의 은퇴문제가 발생하고 새로운 선수 캐릭터를 생성하여 게임의 환경을 유지하게 된다. 본 연구에서는 새로운 선수 캐릭터를 생성할 때 유전 알고리즘을 활용하여 기존의 선수와 유사하면서 최적의 능력을 갖추게 하는 방식을 제안한다. 기존의 랜덤 생성방식, 보정 랜덤방식과 제안한 알고리즘으로 선수 캐릭터를 생성하여 비교, 평가하여 제안한 방식의 유효성을 검증한다.

Abstract ▼ AI-Helper

In football simulation games, it is very important for the interest of the game to make the stats of the football players close to reality. As the management concept is introduced to the sports simulation game, when the user plays the game for a long time, the existing player character retires. Therefore, the game creates the environment of the game by creating a new player in the game. In this study, we propose a method to create a new player character by using genetic algorithm to have the optimal ability similar to existing players. We compare and evaluate the player character with the existing random generation method, the correction random method and the proposed algorithm, and verify the validity of the proposed method.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 캐릭터의 능력치 차이가 캐릭터의 역할과 특징을 정하는 요소로 사용된다는 가정 하에 기존 캐릭터 생성 방식이 가진 캐릭터의 역할과 특징을 구분할 수 있도록 하는 캐릭터 생성에 문제가 있음을 지적하고, 유전 알고리즘을 활용한 캐릭터 생성 방식에 대해 제안하였다. 해당 방식은 기존의 캐릭터 데이터베이스에서 선정된 부모 캐릭터들의 교차를 통해 새롭게 생성되는 방식으로 기존 캐릭터가 가진 역할과 특징을 두드러지도록 설계된 능력 분포를 그대로 유지하면서 캐릭터의 다양성을 제시할 수 있었다.
본 연구에서는 캐릭터의 역할과 임무에 따라 능력별로 차이가 있다는 가정 하에 유전 알고리즘을 활용하여 캐릭터를 생성하는 방법에 대해 제안하고자 한다.

가설 설정

자식 캐릭터는 공격수 포지션만 생성한다고 가정한다. 더불어 적합도 연산의 기준점이 되는 포지션 일치도 역시 공격수로 한정하고, 친숙도는 ‘능숙함’을 표시하는 수치인 16이상으로 설정하여 적합도 연산을 통해 부모 집단을 선정하였다.

제안 방법

실험에 사용된 총 14개의 능력 요소는 모든 축구 선수 캐릭터들이 가지고 있는 능력 요소들이며, 포지션별로 능력 요소의 중요성이 다르다. 공격수와 중앙수비수는 반대적 성향의 역할을 가지고 있는 포지션으로 역할이 캐릭터 능력의 차이를 나타낸다는 전제 조건에 가장 부합하는 조합이기 때문에 각 포지션에서 더욱 중요하게 사용되는 능력 요소를 선정하였다. 선정된 능력 요소에서 두 포지션 모두에서 중요하게 사용되는 요소도 존재한다.
본 연구는 게임에서 주로 사용하는 캐릭터 생성 방식인 ‘랜덤 생성 방식’과 ‘보정치가 적용된 랜덤 생성 방식’을 이용한 캐릭터 생성과 제안한 유전 알고리즘을 활용한 캐릭터 생성 방식을 이용한 캐릭터 생성을 비교한다. 기존 선수들의 각 능력치의 평균 수치와 3가지 생성 방식으로 만들어진 캐릭터의 능력치 수치를 비교한다. 그리고 각 능력치 수치가 기존 선수 캐릭터의 평균 수치에 근사할수록 더 적합한 캐릭터 생성이 되었다고 판단한다.
더불어 적합도 연산의 기준점이 되는 포지션 일치도 역시 공격수로 한정하고, 친숙도는 ‘능숙함’을 표시하는 수치인 16이상으로 설정하여 적합도 연산을 통해 부모 집단을 선정하였다.
동일한 선수 데이터베이스를 기준으로 3가지 방식으로 구현된 프로그램을 각각 100명의 자식 캐릭터가 생성되도록 실행한다. 이 중 랜덤하게 10명의 자식 캐릭터를 선별하여 그래프로 표현하였다.
본 연구는 게임에서 주로 사용하는 캐릭터 생성 방식인 ‘랜덤 생성 방식’과 ‘보정치가 적용된 랜덤 생성 방식’을 이용한 캐릭터 생성과 제안한 유전 알고리즘을 활용한 캐릭터 생성 방식을 이용한 캐릭터 생성을 비교한다.
본 연구에서는 균등 교차 방식을 사용하여 부모 캐릭터를 교차하여 자식 캐릭터를 생성한다. 균등 교차 방식은 이론적으로 모든 재조합이 가능한 교차 방식으로 부모와의 유사성과 함께 다양성을 제시할 수 있다는 장점을 가지고 있다.
스포츠 시뮬레이션은 여타 게임과 달리 원작이 되는 스포츠의 규칙과 상황을 참고해서 개발을 한다. 그 중에서 축구 시뮬레이션 게임은 축구라는 스포츠의 관심도에 맞춰 현재 축구 선수들의 수치와 능력치를 현실에 가깝게 만드는 것을 큰 목적으로 삼고 있고, 사용자가 직접 참가하는 액션형 축구 시뮬레이션 게임과 감독이나 구단주가 되어 축구팀을 운영하는 매니지먼트형 축구 시뮬레이션 게임으로 나누어 볼 수 있다[1].
4]은 기존 축구 시뮬레이션 게임의 선수 캐릭터 데이터베이스 중에서 부모 집단으로 선정된 선수 캐릭터들 중 무작위로 추출된 10명의 능력 수치의 분포도를 그래프로 표현한 것이다. 이를 기반으로 얼마나 각 방식마다 유사한 형태의 캐릭터를 생성하였는지를 비교해보도록 한다.

대상 데이터

실험에서 사용되는 능력 요소는 [Table 1]과 같다. 공격수 포지션에서 중요한 능력 요소 7가지와 중앙수비수 포지션에서 중요한 능력 요소 7가지를 선정하였다. 실험에 사용된 총 14개의 능력 요소는 모든 축구 선수 캐릭터들이 가지고 있는 능력 요소들이며, 포지션별로 능력 요소의 중요성이 다르다.
실험은 유명 축구 시뮬레이션 게임에서 사용하는 선수의 데이터베이스를 기준으로 하며, 약 40여개의 선수 구성 능력 요소들 중 실험에 사용한 공격수 포지션을 고려하여 중요 능력 요소들만 선택하여 사용하였다.
동일한 선수 데이터베이스를 기준으로 3가지 방식으로 구현된 프로그램을 각각 100명의 자식 캐릭터가 생성되도록 실행한다. 이 중 랜덤하게 10명의 자식 캐릭터를 선별하여 그래프로 표현하였다.

성능/효과

[Table 2]를 통해 비교한 결과를 분석해보면 전반적으로 제안한 유전 알고리즘을 활용하여 생성된 선수 캐릭터들이 기존 선수 캐릭터들의 능력 요소와 유사하며, 표준편차도 다른 방식들에 비해 적다는 것을 알 수 있다. 표준편차의 경우, 기존 선수 캐릭터들의 표준편차를 기준으로 유사성과 표준편차의 수치를 분석해보아도 전반적으로 제안한 유전 알고리즘을 활용한 캐릭터 생성 방식이 기존 선수 캐릭터들의 표준편차 수치와 비슷하면서도 가장 표준편차가 적은 것을 알 수 있다.
기존 선수들의 각 능력치의 평균 수치와 3가지 생성 방식으로 만들어진 캐릭터의 능력치 수치를 비교한다. 그리고 각 능력치 수치가 기존 선수 캐릭터의 평균 수치에 근사할수록 더 적합한 캐릭터 생성이 되었다고 판단한다.
7]은 제안한 유전 알고리즘을 활용해서 생성한 캐릭터의 능력 분포도 그래프이다. 기존 캐릭터의 능력 분포도와 가장 유사한 모양을 가지고 있으며, 능력 요소별 편차 역시 보정 랜덤 방식에 비해 적은 것을 확인할 수 있다. 제안한 유전 알고리즘은 기획자의 능력과 관계없이 세대를 거듭하면서 진화하기 때문에 안정적인 콘텐츠 생성에 적합한 방식으로 볼 수 있다.
위의 2가지 방법을 통해 분석해 본 결과, 제안한 유전 알고리즘을 활용한 캐릭터 생성 방식이 기존 캐릭터의 능력 요소와 가장 비슷한 형태로 유지함을 알 수 있었다. 따라서 제안한 캐릭터 생성 방식이 현실성이 중요한 시뮬레이션 게임에서의 기존의 게임 환경을 유지하는데 더 적합한 방식임을 알 수 있다.
위의 2가지 방법을 통해 분석해 본 결과, 제안한 유전 알고리즘을 활용한 캐릭터 생성 방식이 기존 캐릭터의 능력 요소와 가장 비슷한 형태로 유지함을 알 수 있었다. 따라서 제안한 캐릭터 생성 방식이 현실성이 중요한 시뮬레이션 게임에서의 기존의 게임 환경을 유지하는데 더 적합한 방식임을 알 수 있다.
기존 캐릭터의 능력 분포도와 가장 유사한 모양을 가지고 있으며, 능력 요소별 편차 역시 보정 랜덤 방식에 비해 적은 것을 확인할 수 있다. 제안한 유전 알고리즘은 기획자의 능력과 관계없이 세대를 거듭하면서 진화하기 때문에 안정적인 콘텐츠 생성에 적합한 방식으로 볼 수 있다.
본 논문에서는 캐릭터의 능력치 차이가 캐릭터의 역할과 특징을 정하는 요소로 사용된다는 가정 하에 기존 캐릭터 생성 방식이 가진 캐릭터의 역할과 특징을 구분할 수 있도록 하는 캐릭터 생성에 문제가 있음을 지적하고, 유전 알고리즘을 활용한 캐릭터 생성 방식에 대해 제안하였다. 해당 방식은 기존의 캐릭터 데이터베이스에서 선정된 부모 캐릭터들의 교차를 통해 새롭게 생성되는 방식으로 기존 캐릭터가 가진 역할과 특징을 두드러지도록 설계된 능력 분포를 그대로 유지하면서 캐릭터의 다양성을 제시할 수 있었다.

후속연구

해당 방식의 경우, 유전 알고리즘을 활용하기 때문에 부모가 될 수 있는 집단의 데이터베이스가 많으면 많을수록 기존 방식보다 더 캐릭터의 역할과 특징을 구분할 수 있는 캐릭터 생성이 가능하다. 더불어 기획자의 의도에 맞춰 알고리즘 연산을 수정하여 사용할 수 있기 때문에 추후 기획자가 게임의 캐릭터 콘텐츠 설계에 있어 많은 도움을 받을 수 있을 것이라고 기대된다.
본 논문에서 제안한 방식은 향후 연구를 통해 게임 플레이가 지속됨에 따라 사용자의 캐릭터 선호 성향이나 패턴, 컴퓨터AI의 패턴을 분석하여 각 상황에 맞는 캐릭터를 생성할 수 있도록 개선·발전시켜 축구 시뮬레이션 게임뿐만 아니라 다양한 장르에도 사용할 수 있는 범용적인 캐릭터 생성 방식으로 발전할 수 있도록 보완할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	축구 시뮬레이션 게임은 축구라는 스포츠의 관심도에 맞춰 무엇을 목적으로 삼고 있는가?	스포츠 시뮬레이션은 여타 게임과 달리 원작이 되는 스포츠의 규칙과 상황을 참고해서 개발을 한다. 그 중에서 축구 시뮬레이션 게임은 축구라는 스포츠의 관심도에 맞춰 현재 축구 선수들의 수치와 능력치를 현실에 가깝게 만드는 것을 큰 목적으로 삼고 있고, 사용자가 직접 참가하는 액션형 축구 시뮬레이션 게임과 감독이나 구단주가 되어 축구팀을 운영하는 매니지먼트형 축구 시뮬레이션 게임으로 나누어 볼 수 있다[1].
	스포츠 시뮬레이션 개발에 있어서 무엇이 매우 어려운 작업으로 간주되는가?	축구는 인류가 만든 스포츠 중에서 가장 인기가 있으면서 고도의 전술을 요구하는 게임 중에 하나이며, 야구와 배구는 달리 경기가 멈추거나 재정렬을 위한 시간을 주는 경우1)가 거의 없이 쉬지 않고 실시간으로 움직이기 때문에 현실감있는 게임을 구현하기에 쉽지 않은 요소를 다수 가지고 있기도 하다[2]. 개발의 입장에서는 이런 요소에 대한 구현의 어려움과 더불어 현실세계에 존재하는 각각의 선수의 능력을 수치로 표현해야 한다는 것 역시 매우 어려운 작업으로 간주된다. 선수가 얼마나 잘 뛰는지, 얼마나 체력이 강한지를 숫자로 표기해야 하는 일은 사실 게임을 즐기는 유저나 축구를 좋아하는 팬들에게 신뢰도를 얻기 쉽지 않다.
	스포츠 시뮬레이션 개발은 여타 게임과 달리 무엇을 참고하여 개발하는가?	스포츠 시뮬레이션은 여타 게임과 달리 원작이 되는 스포츠의 규칙과 상황을 참고해서 개발을 한다. 그 중에서 축구 시뮬레이션 게임은 축구라는 스포츠의 관심도에 맞춰 현재 축구 선수들의 수치와 능력치를 현실에 가깝게 만드는 것을 큰 목적으로 삼고 있고, 사용자가 직접 참가하는 액션형 축구 시뮬레이션 게임과 감독이나 구단주가 되어 축구팀을 운영하는 매니지먼트형 축구 시뮬레이션 게임으로 나누어 볼 수 있다[1].

참고문헌 (9)

Dal-ho Cho, Young ho Lee, Jin Hyung Kim, So-Young Park, Dae-Woong Rhee, "NPC Control Model for Defense in Soccer Game Applying the Decision Tree Learning Algorithm", Journal of Korea Game Society Vol 11, No. 6, pp.61-70, 2011.
Jung HyungGu, "Framework of AI Engine for Strategy Soccer Simulation", The Graduate School Hankuk University of Foreign Studies, 2009
O-Kyang Kwun, Jong-Koo Park, "Control of RPG Game Characters Using Genetic Algorithm and Neural Network", Journal of Korea Game Society, Vol 6, No. 2, pp.13-22, 2006.
Myun-Sub Lee, "A Study about Intelligent Character Game Based on Behavior Pattern of User by Using Genetic Algorithm", Korea Knowledge Information Technology Society, Vol 7, No. 6, pp.135-143, 2012.
Laura Barbulescu, Jean-Paul Watson, Darrell Whitley, "Dynamic Representations and Escaping Local Optima: Improving Genetic Algorithms and Local Search", Seventeenth National Conference on Artificial Intelligence(AAAI), pp.879-884, 2000.
Darrin C. Bentivegna, Ales Ude, Christopher G. Atkeson, Gordon Cheng, "Humanoid Robot Learning and Game Playing Using PC-Based Vision", IEEE/RS Intl. Conference on Intelligent Robots and Systems EPFL, Lausanne, Switzerland, pp.352-365, October 2002.
Byung-Ro Moon, "Easy Learning Algorithm: An Evolutionary Approach", HanbitMedia, 2008.
Thang Nguyen Bui and Byung Ro Moon, "On multi-dimensional encoding/crossover", International Conference on Genetic Algorithms, pp.49-56, 1995.
Ji-Min Kim, Sun-Jeong Kim, Seokmin-Hong, "Players Adaptive Monster Generation Technique Using Genetic Algorithm", Journal of Internet Computing and Services, Vol 18, No.2, pp.43-51, 2017.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증