A deep reinforcement learning approach for pathfinding in computer games
Bilgisayar oyunlarında yol bulmada derin pekiştirmeli öğrenme yaklaşımı
- Tez No: 792407
- Danışmanlar: DOÇ. DR. METE EMİNAĞAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Oyun geliştirme, Yapay sinir ağları, Game development, Artificial neural networks
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Oyun geliştirmenin en büyük zorluklarından biri, hem tatmin edici derecede gerçekçi hareket sonuçları üreten hem de oyun geliştiricilerin sınırsız hayal gücünün yarattığı dünyalarda farklı senaryoları gerçekleştirebilen bir yol bulma algoritması üretmektir. Ayrıca oyunlar son kullanıcıya yönelik programlar olduğu için içerdikleri sistemlerin mümkün olduğunca az bilgisayar kaynağı kullanması ve maliyet açısından mümkün olan en kısa sürede geliştirilmesi istenmektedir. Mevcut yol bulma çözümleri, soruna güçlü yanıtlar üretebilse de çözülmesi uzun bir geliştirme süresi gerektiren bazı kronik sorunları da içermektedir. Bu çözümler, baştan sona gezinilebilen ve sürekli haritalarda çok iyi çalışmaktadır. Ancak yürüme dışında zıplama, uçma gibi farklı hareket mekaniklerinin de kullanıldığı çeşitli engellerin aşılması gereken durumlara çözüm getirememektedir. Çoğu zaman geliştiricilerin yol bulma örgülerini birbirine linklerle manuel olarak bağlaması gerekmektedir. Bu da farklı hareket mekaniklerine sahip haritalarda oyun geliştirme sürecini önemli ölçüde uzatmaktadır. Aynı zamanda bağlanan linkler manuel olarak kurulduğu için link üzerinde hareket eden cismin hareketi doğal görünmemektedir. Bu çalışmanın odak noktası, mevcut yol bulma algoritmalarının zorluklarını aşmak için yapay sinir ağları ve derin pekiştirmeli öğrenme kullanarak bir düğüm ağı oluşturacak bir sistem oluşturmaktır. Son olarak, yapım aşamasında yapay sinir ağları kullanılmayacağından son kullanıcı için hızlı ve daha az kaynak kullanan bir sistem hedeflenmektedir.
Özet (Çeviri)
One of the biggest challenges of game development is to produce a pathfinding algorithm that both produces satisfactory realistic movement results and can solve different scenarios in worlds created by game developers' unlimited imagination. Furthermore, since the games are programs for the end user, it is desired that the systems they contain use as little computer resources as possible and be developed as quickly as possible in terms of cost. Although existing solutions can produce strong answers to the problem, they also contain some chronic problems that take a long development time to solve. Existing solutions work very well on maps that are continuous and can be navigated by moving from start to finish. However, they cannot find a solution in cases where various obstacles must be overcome by various movement mechanics such as jumping, flying are used other than walking. Most of the time developers must manually assign links to meshes, significantly prolonging the game development process on the maps with such features. At the same time, since the connected links are established manually, the movement of the object moving on the link does not seem natural. The focus of this study is to create a system that will generate a node network by using artificial neural networks and deep reinforcement learning to overcome the difficulties of existing pathfinding algorithms. Finally, a system that is fast and uses less resources is aimed for the end user, since artificial neural networks will not be used during the build phase.
Benzer Tezler
- A deep reinforcement learning modelling approach for (s, S) inventory control problem
Envanter yönetimi için derin takviyeli öğrenme yaklaşımı
GÜRAY KILINÇ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiYaşar ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BANU YETKİN EKREN
- A heuristic solution approach for dynamic mission abort problem based on deep reinforcement learning
Görev iptal problemi için derin pekiştirmeli öğrenmeye dayalı bir sezgisel çözüm yaklaşımı
DUYGU YEŞİLTEPE
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP PELİN BAYINDIR
DOÇ. DR. ENGİN TOPAN
- A Multi-Agent Deep Reinforcement Learning Approach to Optimal Distribution of Passive Energy Dissipation Devices for Seismically Excited Buildings
Sismik Olarak Aktif Binalar için Pasif Enerji Sönümleme Cihazlarının Optimal Dağıtımında Çoklu Aracılı Derin Pekiştirmeli Öğrenme Yaklaşımı
BRUSK SERHAT SOLGUN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiVeri Bilimi ve Yapay Zeka Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. ERCAN ATAM
- A deep reinforcement learning approach to network intrusion detection
Ağ saldırı tespitinde derin pekiştirmeli öğrenim yaklaşımı
HALİM GÖRKEM GÜLMEZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ANGIN
- A generalized deep reinforcement learning based controller for heading keeping in waves
Dalgalı ortamda yön tutma problemi için geliştirilmiş derin takviyeli öğrenme tabanlı bir kontrolcü
AFŞİN BARAN BAYEZİT
Yüksek Lisans
İngilizce
2022
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER KEMAL KINACI