text size

Artificial Intelligence for Children of the Galaxy Computer Game

Notice: I hereby declare that I am aware that the information acquired from theses published by Charles University may not be used for commercial purposes or may not be published for educational, scientific or other creative activities as activities of person other than the author.
Title:
Artificial Intelligence for Children of the Galaxy Computer Game
Title (in czech):
Umělá inteligence pro počítačovou hru Children of the Galaxy
Type:
Diploma thesis
Author:
Bc. Pavel Šmejkal
Supervisor:
Mgr. Jakub Gemrot
Opponent:
Bc. Otakar Trunda
Thesis Id:
197165
Faculty:
Faculty of Mathematics and Physics (MFF)
Department:
Department of Software and Computer Science Education (32-KSVI)
Study programm:
Computer Science (N1801)
Study branch:
Computer Graphics and Game Development (IPGVPH)
Degree granted:
Mgr.
Defence date:
10/09/2018
Defence result:
Excellent
Language:
English
Keywords (in czech):
umělá inteligence, Monte-Carlo Tree Search, počítačová hra, Children of the Galaxy
Keywords:
artificial player, Monte-Carlo Tree Search, computer game, Children of the Galaxy
Abstract (in czech):
Ačkoli je umělá inteligence (UI) dnes schopna úspěšně řešit mnoho klasických her, na poli počítačových strategických her UI oponenti stále velmi pozadu. V této práci řešíme problém soubojů ve strategických počítačových hrách tím, že adaptujeme existující přístupy: Portfolio greedy search (PGS) a Monte-Carlo tree search (MCTS). Dále také představujeme vylepšenou verzi MCTS, nazvanou MCTS considering hit points (MCTS_HP). Kvalita těchto metod je uvažována v kontextu nedávno vydané 4X strategické hry Children of the Galaxy. Pro tuto hru implementujeme simulátor soubojů a vyhodnocovací framework, ve kterém srovnáváme různé přístupy k UI. Ukazujeme, že pro malou až střední velikost souboje jsou MCTS metody lepší než PGS. Ve všech scénářích je MCTS_HP lepší nebo stejně dobré jako klasické MCTS díky lépe vedenému prohledávání. V malých bitvách dokonce MCTS_HP se 100 milisekundovým časovým limitem poráží klasické MCTS s dvousekundovým časovým limitem. Kombinací rychlého hladového prohledávání PGS pro velké bitvy a přesnějšího MCTS_HP pro menší bitvy je možné dosáhnou univerzálnějšího UI hráče.
Abstract:
Even though artificial intelligence (AI) agents are now able to solve many classical games, in the field of computer strategy games, the AI opponents still leave much to be desired. In this work we tackle a problem of combat in strategy video games by adapting existing search approaches: Portfolio greedy search (PGS) and Monte-Carlo tree search (MCTS). We also introduce an improved version of MCTS called MCTS considering hit points (MCTS_HP). These methods are evaluated in context of a recently released 4X strategy game Children of the Galaxy. We implement a combat simulator for the game and a benchmarking framework where various AI approaches can be compared. We show that for small to medium combat MCTS methods are superior to PGS. In all scenarios MCTS_HP is equal or better than regular MCTS due to its better search guidance. In smaller scenarios MCTS_HP with only 100 millisecond time limit outperforms regular MCTS with 2 second time limit. By combining fast greedy search for large combats and more precise MCTS_HP for smaller scenarios a universal AI player can be created.
Documents
Download Document Author Type File size
Download Text of the thesis Bc. Pavel Šmejkal 2.6 MB
Download Attachment to the thesis Bc. Pavel Šmejkal 34.51 MB
Download Abstract in czech Bc. Pavel Šmejkal 60 kB
Download Abstract in english Bc. Pavel Šmejkal 9 kB
Download Supervisor's review Mgr. Jakub Gemrot 306 kB
Download Opponent's review Bc. Otakar Trunda 196 kB
Download Defence's report RNDr. Filip Zavoral, Ph.D. 152 kB