[논문]유전 알고리즘을 활용한 게임 캐릭터 능력치 생성 방식

노해선; 이대웅

doi:10.7583/jkgs.2018.18.4.83

유전 알고리즘을 활용한 게임 캐릭터 능력치 생성 방식
A Game Character's Ability Value Generation Method using Genetic Algorithm 원문보기

한국게임학회 논문지 = Journal of Korea Game Society, v.18 no.4, 2018년, pp.83 - 98

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

초록
AI-Helper

게임 캐릭터의 성장은 능력 수치의 가감으로 표현되는데, 이때 능력 요소는 게임에 따라 다양하게 정의되고, 사용된다. 본 논문에서는 캐릭터의 능력 요소가 어떻게 정의되고 사용되는지 알아보고, 캐릭터의 생성할 때, 능력 수치를 부여하는 방식에 대해 제안하고자 한다. 본 방식은 캐릭터의 성장을 시간이라는 요소와 연결하여 시간의 변화에 맞추어 캐릭터가 적합한 능력 수치를 가지고 생성되도록 유전 알고리즘을 활용하여 디자인한다. 시간의 변화에 맞춘 실험을 통해 제안한 방식의 유효성을 검증한다.

Abstract ▼ AI-Helper

The growth of a game character is represented by the addition and subtraction of the status value. The status factors are variously defined and used depending on the kind of games. In this paper, we propose how character 's status elements are defined and used. We also propose a method for assigning a status value when generating a character considering growth. This method is designed using genetic algorithms to link the growth of a character with an element of time and to generate a character with the appropriate status value according to the change of time. The proposed method is verified through experiments based on time variation.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 실험은 캐릭터 베이스 설정 단계의 “Times” 요소에 해당하는 “Age”를 기준으로 22세, 28세, 34세의 3종류 캐릭터 생성을 목표로 진행된다.
본 연구에서는 게임 캐릭터의 성장에 따라 능력치의 변화가 생기고, 이런 변화가 캐릭터의 수치적인 특징을 표현하는 점을 기반으로 게임이 가진 캐릭터 데이터베이스를 이용해 유전 알고리즘을 활용한 게임 캐릭터의 능력치 생성 방식을 제안하고자 한다.
본 연구에서는 캐릭터 데이터베이스 기반으로 유전 알고리즘을 활용하여 캐릭터의 능력치를 생성하는 C.A.G(Character Ability Generation) 방식을 제안한다.
G 방식을 통해 생성된 자식 캐릭터들 중 10명을 임의로 추출하여(B) 아래와 같이 실험결과를 정리하였다. 이를 통해 후보 집단 캐릭터들과 C.A.G 방식을 통해 생성된 자식 캐릭터들의 Basic Ability 수치와 Overall Ability 수치를 비교해 캐릭터들의 능력 수치 간의 유사성과 차이점을 통한 캐릭터의 수치적 특징 형성에 대해 알아본다.

가설 설정

가정한 게임에서 주력(Pace) Basic Ability의 최대 수치는 20인데 선수 A는 ‘Physical Condition’ 설정에 따라 주력 수치의 최대값이 20이 아닌 18로 설정하는 것을 말한다.

제안 방법

그리고 베이스 설정 단계를 추가하고 게임 캐릭터 능력치 생성 단계를 보다 세밀하게 구성한다. 또한 설계 방식 변화에 맞추어 적합도 연산을 개선하고, 역할에 따른 가중치 연산, VCO(Value-Calibration Operation)라고 정의한 보정 연산이 추가하여 기존 게임 캐릭터의 능력치를 보다 정교하게 부여하도록 설계한다.
(expression1)은 적합도 연산에 대한 수식으로 ‘Roles’에 대한 일치도(Matching Figure)와 친숙도 (Familiarity)의 두 종류 수치를 기반으로 계산된다. 또한, 복합적인 역할을 가지는 게임 캐릭터들이 존재하기 때문에 적어도 두 가지 역할에 대해 적합도 연산을 진행하도록 구성하였다. 일치도와 친숙도는 모두 0~20의 수치를 가지는데 0은 해당 역할에 전혀 일치하지 않거나 친숙하지 않음을 의미하고, 20은 해당 역할에 완전하게 일치하거나 친숙하다는 것을 의미한다.
본 논문에서는 게임 캐릭터의 능력치를 표현하는 방식을 크게 Basic Ability와 Derived Ability, Overall Ability로 나누어 새롭게 정의해본다.
본 논문에서는 게임이 가진 캐릭터 데이터베이스를 이용해 유전 알고리즘을 활용한 게임 캐릭터의 능력치 생성 방식인 C.A.G 방식을 제안하였다. C.
G 방식은 기존 연구로부터의 개선점에 맞춰 몇 가지 사항을 적용하여 새롭게 디자인한다. 우선 게임 캐릭터의 능력 수치를 표현하는 방식을 Basic Ability, Derived Ability, Overall Ability으로 세분화하여 재구성한다. 그리고 베이스 설정 단계를 추가하고 게임 캐릭터 능력치 생성 단계를 보다 세밀하게 구성한다.
유전 알고리즘의 교차 연산은 ‘일점 교차 연산’, ‘다점 교차 연산’, ‘균등 교차 연산’, ‘싸이클 교차 연산’, ‘순서 교차 연산’, ‘PMX(Partially Matched Crossover) 연산’, ‘산술적 교차 연산’, ‘휴리스틱 교차 연산’, ‘블록 균등 교차 연산’ 등이 있는데 본 연구에서는 ‘균등 교차 연산’을 사용한다.
“Age”는 시간의 흐름을 나타내는 ‘Times’를 본 실험 환경에 맞도록 재정의한 것으로 시간의 흐름에 맞춰 생성된 자식 캐릭터들이 얼마나 후보 집단 및 부모 캐릭터와 능력적으로 유사성을 가지고 있는지 비교하기 위한 요소이다. 이를 기반으로 C.A.G 방식을 구현한 프로그램을 통해 각각 100명의 자식 캐릭터를 생성하도록 실행한다.
캐릭터 데이터베이스로 활용한 축구 시뮬레이션 게임에서 제공하는 약 40여개의 Basic Ability 집합 중 ‘Roles’ 요소와 Derived Ability에 직접적인 영향을 주는 요소를 고려하여 [Fig.9]처럼 30개의 Basic Ability로 구성하였다.
캐릭터의 Basic Ability 집합은 능력의 성격에 따라 기술적 Derived Ability, 정신적 Derived Ability, 육체적 Derived Ability로 구분하여 분류하였다. 주발(Preferred Foot)의 경우, 별도의 Basic Ability로 정의되어 있기 때문에 Overall Ability을 연산하는 가중치 연산에는 사용하였으나 실험결과를 표현하는 그래프와 표에서는 제외한다.

대상 데이터

본 실험은 기존의 축구 시뮬레이션 게임의 캐릭터 데이터베이스로부터 실험 조건에 맞게 추출된 후보 집단 캐릭터들 중 임의로 10명을 추출하고 (A), C.A.G 방식을 통해 생성된 자식 캐릭터들 중 10명을 임의로 추출하여(B) 아래와 같이 실험결과를 정리하였다. 이를 통해 후보 집단 캐릭터들과 C.
본 연구에서는 제안 방식인 C.A.G 방식과 한 축구 시뮬레이션 게임의 캐릭터 데이터베이스를 활용하여 실험을 진행하였다.

데이터처리

캐릭터 생성 단계에서는 교차 대상으로 선택된 부모를 ‘교차 연산’을 진행하여 새로운 자식 캐릭터를 생성하고, 생성된 자식 캐릭터의 능력 수치를 가중치 연산식을 통해 계산한다. 계산된 수치는 미리 자식 캐릭터에게 부여된 Overall Ability 수치와 비교한다. 만약 두 수치가 다를 경우, VCO를 통해 능력 수치를 보정하고, 보정이 완료되면 최종적으로 자식 캐릭터 능력 수치 생성이 완료된다.
G 방식을 통해 생성된 자식 캐릭터 들 중 임의로 선정한 10명의 능력치 분포도를 그래프로 표현한 것이다. 더불어 선정된 캐릭터들의 Basic Ability를 가중치 연산을 통해 계산한 Overall Ability의 최소값과 최대값, 평균값을 함께 표현하였다.

이론/모형

본 논문에서는 Overall Ability 수치를 합 연산 방식을 사용하여 표현한다. C.

성능/효과

G 방식은 기존 연구에 캐릭터의 능력을 정리하고 수치를 표현하는 방식을 세분화하여 재구성하고, 생성 단계를 세분화 및 체계화하였다. Basic Ability, Derived Ability, Overall Ability와 가중치 연산, VCO라는 요소를 통해 게임 캐릭터의 능력치 부여를 기획자의 의도와 절차적 콘텐츠 생성에 적합하도록 세밀하게 개선하였다. 이를 통해 다양한 형태의 캐릭터를 생성할 수 있어 주인공 캐릭터뿐만 아니라 다양한 상황과 조건에 맞춰 다량의 생성이 필요한 NPC나 몬스터와 같은 게임 캐릭터의 능력치 생성에 도움이 될 것으로 판단된다.
이는 제안한 C.A.G 방식이 가진 목적인 주인공 캐릭터뿐만 아니라 다수를 설계해야 하고 시간의 설정이 다양해야 하는 NPC나 몬스터 캐릭터의 능력치를 부여하여 생성하는데 도움이 될 수 있음을 보여준다.
15]는 [Table 2]의 결과 수치를 시간대(나이)별로 구분하여 그래프화한 것이다. 이를 통해 제안한 방식으로 생성된 캐릭터의 능력치가 시간의 설정이 달라지더라도 같은 시간의 기존 캐릭터의 능력치와 비슷한 능력치를 부여받아 생성됨을 보여주며, 캐릭터의 능력치 밸런스가 잘 유지되고 있음을 나타낸다.

후속연구

Basic Ability, Derived Ability, Overall Ability와 가중치 연산, VCO라는 요소를 통해 게임 캐릭터의 능력치 부여를 기획자의 의도와 절차적 콘텐츠 생성에 적합하도록 세밀하게 개선하였다. 이를 통해 다양한 형태의 캐릭터를 생성할 수 있어 주인공 캐릭터뿐만 아니라 다양한 상황과 조건에 맞춰 다량의 생성이 필요한 NPC나 몬스터와 같은 게임 캐릭터의 능력치 생성에 도움이 될 것으로 판단된다.
향후 연구를 통해 게임 플레이가 지속됨에 따라 단순히 캐릭터의 능력치를 부여하고 생성하는 것이 아니라 사용자의 캐릭터 선호 성향이나 패턴, 컴퓨터의 AI 패턴을 분석하여 각 상황에 맞추어 캐릭터의 능력치를 부여하고 생성할 수 있도록 개선·발전시킬 필요가 있다. 이를 통해 본 제안 방식인 C.A.G 방식이 다양한 장르의 게임에서 다양한 형태의 캐릭터 능력치를 생성하는 방식으로 보완될 것이라 기대한다.
하지만 본 연구에서 참고한 게임의 코드를 직접 적으로 사용할 수 없어 별도의 데이터베이스를 만들어 구현했다는 점과 C.A.G 방식을 실제 게임에 직접적으로 사용하지 못하고 실험을 진행하였기 때문에 시간의 흐름을 실험에 적용하는 부분에 있어 제약이 많았다는 점에서 한계점을 가진다.
향후 연구를 통해 게임 플레이가 지속됨에 따라 단순히 캐릭터의 능력치를 부여하고 생성하는 것이 아니라 사용자의 캐릭터 선호 성향이나 패턴, 컴퓨터의 AI 패턴을 분석하여 각 상황에 맞추어 캐릭터의 능력치를 부여하고 생성할 수 있도록 개선·발전시킬 필요가 있다. 이를 통해 본 제안 방식인 C.

질의응답

핵심어	질문	논문에서 추출한 답변
	Basic Ability는 무엇인가?	Basic Ability는 능력의 특별한 조합이나 연산없이 순수하게 숫자로 부여된 능력치를 말한다. 주로 절대적인 값으로 표현해야 하는 능력에서 많이 사용하는데 스포츠 게임이나 시뮬레이션 게임에서 많이 사용한다.
	Derived Ability는 어디에 사용되는가?	Derived Ability는 Basic Ability나 Derived Ability의 특정 조합이나 연산, 다른 캐릭터와의 능력 비교 등의 방식을 통해 계산된 수치를 표현하는 방식이다. 다른 대상과의 상대적인 강함이나 약함을 수치로 표현할 때 많이 사용하고, 주로 RPG나 액션, 전략 시뮬레이션같이 전투나 결투 등 요소가 두드러진 게임 장르에서 사용한다. 예를 들어 RPG나 전략 시뮬레이션 게임 속 캐릭터의 공격력(Attack), 방어력(Defence), 피해량(Damage) 등의 능력치들은 다른 능력 수치들의 계산된 수치로 표현된다.
	기존의 게임에서 캐릭터의 능력치는 어떻게 표현되는가?	기존의 게임에서 캐릭터의 능력치는 어트리뷰트(Attribute), 어빌리티(Ability), 스테이터스(Status) 등의 용어로 표현하였다[8]. 하지만 이런 캐릭터의 능력치 표현은 능력치를 계산하고, 표현하는 방식의 차이가 있음에도 불구하고, 지금까지 구분하지 않고, 혼용하여 사용했으므로 방식의 차이에 따라 명확하게 구분이 필요하다.

참고문헌 (12)

Morton D. Davis, "Game Theory: A Nontechnical Introduction", Dover Publications, July, 1997
Rollings, A. & Adams, E. "Game Design. Indianapolis: New Rider", NRG, 2003
Yong-Woo Shin, "Control of Intelligent Characters using Reinforcement Learning", Journal of Korean Society for Internet Information, Vol 8, No. 5, pp.91-97, 2007
D. Fu, Y. Houlette, S. Henke, "Putting AI in Entertainment: An AI Authoring Tool for Simulation and Games", IEEE Intelligent and Systems, Vol 17, No. 4, pp.81-84, 2002
Myun-Sub Lee, "Performance Evaluation of Intelligent Characters for Fighting Action Games Using Genetic Algorithms", Journal of the Institute of Electronics Engineers of Korea, Vol 41, No. 4, pp.119-128, 2004.
Sinku Lee, Minsu Kang, Sangjin Lee, "Game Character Growing System using Player Type Analysis based on Petri-net", Journal of Korea Game Society, Vol 15, No. 6, pp.131-140, 2015
Jun He, Jae-Woong Kim, "A Design Method of Game Monster Battle using AI for Genetics", Journal of Korea Knowledge Information Technology Society, Vol 7, No. 2, pp.85-91, 2012
손형률, "게임 밸런스 이야기", Hanbit Media, 2014
Diablo3, https://kr.diablo3.com/ko/game/guide/gameplay/fundamentals#core-controls
Hae-Sun No, Dae-Woong Rhee, "A Study on The Game Character Creation Using Genetic Algorithm in Football Simulation Game", Journal of Korea Game Society, Vol 17, No. 6, pp.129-138, 2017

원문보기 상세보기
Byun-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.

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