กรอบการทำงานสำหรับปัญญาประดิษฐ์ตัวละครผู้ช่วยเล่นที่สามารถเรียนรู้ได้ในระบบเกมออนไลน์แบบผู้เล่นจำนวนมาก

เทพธรณ์ หรูจิตตวิวัฒน์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/17081

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	วิษณุ โคตรจรัส	-
dc.contributor.author	เทพธรณ์ หรูจิตตวิวัฒน์	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2012-02-26T14:01:03Z	-
dc.date.available	2012-02-26T14:01:03Z	-
dc.date.issued	2552	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/17081	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2552	en
dc.description.abstract	ออกแบบและพัฒนากรอบการทำงานของปัญญาประดิษฐ์ สำหรับตัวละครผู้ช่วยผู้เล่นในเกมออนไลน์ แบบผู้เล่นจำนวนมากในโลกเสมือนที่มีความต่อเนื่อง ตัวละครที่สามารถเรียนรู้และพัฒนาตนเองให้เหมาะสมกับสถานการณ์ภายในเกมได้นั้น เป็นจุดเริ่มต้นของแนวทางในการพัฒนาเกมแบบใหม่ที่มีการนำความต่อเนื่องในโลกเสมือนมาใช้ให้เกิดประโยชน์ กรอบการทำงานในวิทยานิพนธ์นี้ใช้ขั้นตอนทางพันธุกรรมในการเรียนรู้ ซึ่งมีการนำเสนอการจัดหมวดหมู่ประเภทของตัวละครในการลดขนาดของประชากรในกลุ่มการทดลอง และมีการนำพฤติกรรมของผู้เล่นมาเลียนแบบเพื่อช่วยให้การเรียนรู้สามารถทำได้อย่างรวดเร็วยิ่งขึ้น ทำการทดลองบนเกมออนไลน์แบบผู้เล่นจำนวนมากที่ เปิดให้บริการและได้รับความนิยม ผลการทดลองพบว่าปัญญาประดิษฐ์สามารถเรียนรู้ได้ภายในเวลาที่เหมาะสม ซึ่งได้เปรียบเทียบกับสถิติเวลาในการเล่นเกมออนไลน์ของผู้เล่นทั่วไป และพฤติกรรมหลังการเรียนรู้ของตัวละครที่ได้นั้นอยู่ในระดับที่น่าพึงพอใจ โดยสำรวจจากแบบสอบถาม	en
dc.description.abstractalternative	To present the design and development of a framework for artificial intelligence of a supporting character in massively multiplayer online games running a persistent world. Characters capable of learning and adapting their behavior to suit a situation in games initiate a new trend in game development that makes used of persistent worlds. The proposed framework uses genetic algorithm for its learning mechanism. A character categorization technique is proposed in order to reduce population size in test groups. Player imitation is also used to accelerate the learning process. The experiments are carrier out on a popular commercial massively multiplayer online game. Results show that the proposed artificial intelligence is capable of learning satisfactory behavior within a suitable time period, compared to a statistically available playing time of average players	en
dc.format.extent	11532523 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2009.29	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	เกมอินเตอร์เน็ต	en
dc.subject	ปัญญาประดิษฐ์	en
dc.title	กรอบการทำงานสำหรับปัญญาประดิษฐ์ตัวละครผู้ช่วยเล่นที่สามารถเรียนรู้ได้ในระบบเกมออนไลน์แบบผู้เล่นจำนวนมาก	en
dc.title.alternative	Framework for learnable buddy in massively mutiplayer online role-playing games	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Vishnu.K@Chula.ac.th	-
dc.identifier.DOI	10.14457/CU.the.2009.29	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
theppatorn_rh.pdf		11.26 MB	Adobe PDF	View/Open

Show simple item record