Реалізація системи для навчання штучного інтелекту у комп’ютерній грі

Abstract

Кваліфікаційна робота присвячена розробці та реалізації системи для навчання штучного інтелекту у комп’ютерній грі. Докладно розглянуто поняття нейромережі, її структура, моделі нейрона і види функцій активації. Також описані можливі методи навчання нейронних мереж. Основна увага приділена генетичному алгоритму. Розкрито ідею середовища моделювання і механізму взаємодії агентів в ньому. Описано будову самої системи, алгоритм її роботи та програмну архітектуру. Система дозволяє створити середовище із заздалегідь заданими параметрами. Середовище містить в собі агентів, керованих нейромережею, навчання якої відбувається через генетичний алгоритм. Такий спосіб добре підійшов для завдання, кінцевий результат якого заздалегідь невідомий. Так само система надає користувачеві набір функцій для управління еволюцією агентів, збереження або завантаження нейронної мережі. Система розроблялася на ігровому рушію Unity 3D, що дозволило скористатися просунутими методами візуалізації, а також полегшити впровадження середовища в ігрові проекти, що дозволяє отримати наочний результат роботи не тільки у вигляді цифр. Проведено ряд модельних експериментів, результати яких дозволяють стверджувати про еволюцію агентів, керованих нейромережею.

Thesis deals with the development and implementation of a system for teaching artificial intelligence in a computer game. The concept of a neural network, its structure, models of a neuron and types of activation functions are considered in detail. Possible methods of learning neural networks are also described. The main attention is paid to the genetic algorithm. The idea of the modeling environment and the mechanism of interaction of agents in it is revealed. The structure of the system itself, the algorithm of its operation and software architecture are described. The system allows you to create an environment with predefined parameters. The environment includes agents controlled by a neural network, which is trained through a genetic algorithm. This method is well suited for the task, the end result of which is unknown in advance. Similarly, the system provides the user with a set of functions to control the evolution of agents, save or load the neural network. The system was developed on the Unity 3D game engine, which allowed to use advanced visualization methods, as well as to facilitate the implementation of the environment in game projects, which allows you to get a clear result not only in the form of numbers. A number of model experiments have been performed, the results of which allow us to assert the evolution of neural network-controlled agents.