Ewaluacja pozycji strategicznej w grach komputerowych przy zastosowaniu metod uczenia maszynowego

Abstract

Gry komputerowe już od dawna mają znaczące miejsce w branży rozrywkowej i w życiu wielu ludzi. Coraz popularniejsze stają się profesjonalne rozgrywki na najwyższym poziomie, czyli e-sport, którymi regularnie zachwycają się miliony fanów na świecie. Znaczna część takich gier zawiera również płaszczyznę strategiczną. Często rozgrywki są tak dynamiczne i chaotyczne, że nie tylko dla niewtajemniczonych, ale również i dla ekspertów nie jest jasne co w ogóle ma miejsce. Z ratunkiem przychodzą tu nowe technologie, które pozbędą się szumu i klarownie zaprezentują kto jest na prowadzeniu w danej potyczce. W ramach niniejszej pracy autor rozpatruje jak efektywne są popularne metody uczenia maszynowego w ewaluacji pozycji strategicznej w grze Starcraft II. Praca przyjmuje następującą strukturę: na początku, w rozdziale “Definicja problemu” autor wyjaśnia na czym dokładnie polega ewaluacja pozycji strategicznej. Następnie, w rozdziale “Metody uczenia maszynowego” opisane są narzędzia wykorzystane w implementacji. Kolejnym rozdziałem jest “Projekt oraz implementacja” w którym wspomniane poprzednio metodyki uczenia maszynowego są wykorzystane w praktyce. Pracę wieńczą rozdziały “Rezultaty” opisujące wyniki zebrane z eksperymentów po implementacji rozwiązań oraz “Podsumowanie” będące już ogólną analizą całości prac przeprowadzonych podczas projektu.