$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

휴리스틱 기반의 유전 알고리즘을 활용한 경로 탐색 알고리즘
Path-finding Algorithm using Heuristic-based Genetic Algorithm 원문보기

한국게임학회 논문지 = Journal of Korea Game Society, v.17 no.5, 2017년, pp.123 - 132  

고정운 (공주대학교 게임디자인학과) ,  이동엽 (공주대학교 게임디자인학과)

초록
AI-Helper 아이콘AI-Helper

경로 탐색 알고리즘은 이동 가능한 에이전트가 게임 내의 가상 월드에서 현재 위치로부터 목적지까지 가는 경로를 탐색하는 알고리즘을 뜻한다. 기존의 경로 탐색 알고리즘은 A*, Dijkstra와 같이 비용기반으로 그래프 탐색을 수행한다. A*와 Dijkstra는 월드 맵에서 이동 가능한 노드와 에지 정보들을 필요로 해서 맵의 정보가 다양하고 많은 온라인 게임에 적용하기 힘들다. 본 논문에서는 가변환경이나 맵의 데이터가 방대한 게임에서 적용 가능한 경로 탐색 알고리즘을 개발하기 위해 맵의 정보 없이 교배, 교차, 돌연변이, 진화 연산을 통해 해를 찾는 유전 알고리즘(Genetic Algorithm, GA)을 활용한 Heuristic-based Genetic Algorithm Path-finding(HGAP)를 제안한다. 제안하는 알고리즘은 Binary-Coded Genetic Algorithm을 기반으로 하며 목적지에 더 빨리 도달하기 위해 목적지로 가는 경로를 추정하는 휴리스틱 연산을 수행하여 경로를 탐색한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The path-finding algorithm refers to an algorithm for navigating the route order from the current position to the destination in a virtual world in a game. The conventional path-finding algorithm performs graph search based on cost such as A-Star and Dijkstra. A-Star and Dijkstra require movable nod...

주제어

#경로 탐색   #유전 알고리즘   #휴리스틱  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 제약적인 환경에서만 사용 가능한 A* 알고리즘 대신 사용할 수 있는 경로 탐색알고리즘을 제안한다. 제안하는 알고리즘은 교배, 교차, 돌연변이, 진화 연산을 통해 해를 찾는 유전 알고리즘(Genetic Algorithm, GA)에 휴리스틱 연산을 활용한 Heuristic-based Genetic Algorithm Path-finding(HGAP)을 개발하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
A* 알고리즘의 문제점은 무엇인가? A* 알고리즘은 출발노드에서 현재노드까지의 거리 g(goal)와 현재노드에서 목표노드까지의 추정거리 h(heuristic)의 합이 가장 작은 경로를 선택하기 때문에 사용자에게 최단거리의 경로를 제공할 수 있다. 하지만 맵에 존재하는 노드와 에지 정보를 데이터 공간으로 구성하여야 하며, 맵의 크기가 크면 A*가 경로 탐색에 사용하는 열린 목록(Open List)과 닫힌 목록(Close List)에 수천에서 수만 개의 노드들을 저장하기 위한 데이터 공간을 요구하기 때문에 많은 메모리 용량을 필요로 하며, CPU에 큰 부담이 가서 게임의 다른 연산에 제약적일 수 있다[7,8].
경로 탐색 알고리즘은 무엇인가? 경로 탐색 알고리즘은 이동 가능한 에이전트가 게임 내의 가상 월드에서 현재 위치로부터 목적지까지 가는 경로를 탐색하는 알고리즘을 뜻한다. 기존의 경로 탐색 알고리즘은 A*, Dijkstra와 같이 비용기반으로 그래프 탐색을 수행한다.
A* 알고리즘은 어떤 방식으로 최적의 경로를 탐색하는가? A* 알고리즘은 월드 맵에 존재하는 에이전트가 현재 위치에서 목표지점으로 가는 경로 중 비용이 가장 적게 드는 경로를 탐색하는 알고리즘이다. A* 알고리즘은 비용 기반 그래프 탐색 알고리즘으로 월드에 있는 노드와 에지의 정보들을 비교하여 최적의 경로를 탐색한다. A* 알고리즘은 경로를 탐색하는 동안 출발 노드로부터 현재 머물고 있는 노드 n까지의 경로 비용을 나타내는 g(goal)와 노드 n으로부터 목표 노드까지의 경로 비용 추정치 h(heuristic) 값의 합 f(fitness)를 끊임없이 계산하여 f 값이 가장 적게 나온 경로를 선택한다[9].
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. J. E. Laird, "Using a computer game to develop advanced AI", 2001 IEEE Computer, July 2001. 

  2. Hyung-il Kim, "State based Context Awareness Method for Non-Player Character", Journal of Korea Game Society 2014, pp.93-102, Feb 2014. 

  3. Sung-lok Choi, "Fast Any-angle Path Planning on Grid Maps with Non-collision Pruning", 2010 IEEE International Conference, Dec 2010. 

  4. A. Nash, K. Daniel, S. Koenig, and A. Felner, "Theta*: Any-angle path planning on grids", in Proceedings of AAAI Conference on Artificial Intelligence(AAAI), 2007. 

  5. Myoun-jae Lee, "An Artificial Intelligence Evaluation on FSM-Based Game NPC", Journal of Korea Game Society 2014, pp.127-136, Oct 2014. 

  6. Eun-sol Kim, Hye-yeon Kim, Kyeon-ah Yu, "Implementation of Adaptive Navigation for NPCs in Computer Games", Journal of Korea Information Science Society 2016, pp.222-228, Feb 2016. 

  7. Sung-hyun Cho, "Reducing Search Space of A* Algorithm Using Obstacle Information", Journal of Korea Game Society 2015, pp.179-188, Aug 2015. 

  8. Abhilash Sreeramaneni, "A Real-Time Centralized Multi-Agent Pathfinding System using Systemized Iterative Deepening A*", The Graduate School of Seoul National University of Science and Technology, July 2015. 

  9. Jeong-won Ko, Sung-jun Park, "Path-Plan Algorithm using Collision Line Search Process", Proceedings of Korea Game Society Spring Conference 2012, pp.249-254, June 2012. 

  10. Myun-sub Lee, Byeong-heon Cho, Sung-hoon Jung, Yeong-rak Seong, Ha-ryoung Oh, "Performance Evaluation of Intelligent Characters for Fighting Action Games using Genetic Algorithms", Journal of Institute of Electronics Engineers of Korea 2004, pp.119-128, Dec 2004. 

  11. Hak-su Lee, Don-jung Choi, Hye-wuk Jung, Jee-hyong Lee, "Intelligent Tutoring System based on Genetic Algorithm", Proceedings of Korea Institute of Intelligent Systems Fall Conference 2010, pp67-69, Nov 2010. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로