dc.contributor.advisor |
ศุภกานต์ พิมลธเรศ |
|
dc.contributor.author |
พีรพล อยู่ไพศาล |
|
dc.contributor.other |
จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์ |
|
dc.date.accessioned |
2022-10-05T07:36:39Z |
|
dc.date.available |
2022-10-05T07:36:39Z |
|
dc.date.issued |
2563 |
|
dc.identifier.uri |
http://cuir.car.chula.ac.th/handle/123456789/80584 |
|
dc.description |
โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2563 |
en_US |
dc.description.abstract |
โครงงานนี้มีจุดประสงค์เพื่อพัฒนาปัญญาประดิษฐ์ที่ระดับความยากปรับตัวได้ด้วยตัวเองสำหรับเกมกระดานเชิงกลยุทธ์ เนื่องจากเกมที่ยากเกินไปทำให้ผู้เล่นเกิดความเครียดได้ ในทางกลับกันหากสร้างเกมที่มีความง่ายเกินไปทำให้ผู้เล่นรู้สึกเบื่อหน่าย ปัญญาประดิษฐ์ที่ปรับตัวได้สองแบบ ได้แก่ปัญญาประดิษฐ์ที่ปรับตัวด้วยการจัดลำดับ และปัญญาประดิษฐ์ที่ปรับตัวด้วยความลึกได้ถูกนำเสนอในการศึกษานี้ นอกจากนี้โครงงานนี้ยังเสนอตัวชี้วัดที่ใช้วัดความใกล้เคียงของระดับความยากระหว่างผู้เล่นสองคนโดยคำนวณจากค่าอัตราส่วนของผลต่างระหว่างจำนวนหมากของปัญญาประดิษฐ์ที่มีระดับความยากที่เท่ากันต่อจำนวนหมากทั้งหมดบนกระดานที่เวลาหนึ่ง หลังจากนั้นแล้วปัญญาประดิษฐ์ที่ปรับตัวได้ทั้งสองถูกนำมาเปรียบเทียบโดยทดลองกับปัญญาประดิษฐ์ที่มีระดับความยากคงที่เพื่อเลือกตัวแบบที่เหมาะสมสำหรับการทดสอบกับมนุษย์ ในท้ายที่สุดปัญญาประดิษฐ์ที่ปรับตัวด้วยการจัดลำดับได้ถูกเลือกและผลการทดลองพบว่าปัญญาประดิษฐ์สามารถควบคุมเกมได้ใน 30 ตาเดินหลังจากสถานะเริ่มต้นของเกม อย่างไรก็ตามผลลัพธ์โดยรวมมีค่าอยู่ในเกณฑ์ที่เทียบเท่ากับการนำปัญญาประดิษฐ์ที่มีระดับความยากใกล้เคียงกันมาทดสอบ |
en_US |
dc.description.abstractalternative |
The purpose of this project is to develop artificial intelligence with self-adjustable difficulty level for abstract strategy board game since too hard game can make a player feel stress whereas too easy game can make player feel boredom. Two types of adaptive artificial intelligence, which are rank-based adaptive artificial intelligence and depth-based adaptive artificial intelligence were proposed in this study. Additionally, this project proposed the indicator that can measure similarity of difficulty levels between two players by calculating the ratio of the difference between the number of pieces of both artificial intelligences with the same difficulty level to the total number of pieces on the board at a time. Subsequently, both adaptive artificial intelligences were compared by testing with the artificial intelligence with static difficulty level in order to select the appropriate model for testing with human. Finally, the rank-based adaptive artificial intelligence was chosen and the result found that the artificial intelligence can control the game in 30 moves after the beginning state of the game. However, the overall result is equivalent to the result from competition of two artificial intelligences with the same difficulty level. |
en_US |
dc.language.iso |
th |
en_US |
dc.publisher |
จุฬาลงกรณ์มหาวิทยาลัย |
en_US |
dc.rights |
จุฬาลงกรณ์มหาวิทยาลัย |
en_US |
dc.subject |
ปัญญาประดิษฐ์ |
en_US |
dc.subject |
เกมหมากกระดาน |
en_US |
dc.subject |
Artificial intelligence |
en_US |
dc.subject |
Board games |
en_US |
dc.title |
การสร้างปัญญาประดิษฐ์สำหรับเกมกระดานเชิงกลยุทธ์แบบนามธรรม |
en_US |
dc.title.alternative |
Creating Artificial Intelligence for Abstract Strategy Board Game |
en_US |
dc.type |
Senior Project |
en_US |
dc.degree.grantor |
จุฬาลงกรณ์มหาวิทยาลัย |
en_US |