Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Computer Systems
Title in original language Paplašinātās topoloģijas neiroevolūcijas algoritma izmantošana nespēlētāja tēla aģenta iepriekšējai mācīšanai
Title in English Use of Neuroevolution of Augmenting Topologies Algorithm in Preliminary Learning of Non-Playable Character Agent
Department Faculty Of Computer Science Information Tehnology And Energy
Scientific advisor Jurijs Čižovs
Reviewer LDI pētnieks A.Staško
Abstract Šī darba ietvaros veikts pētījums ir saistīts ar nespēlētāja tēla aģenta uzvedības evolūcijas problēmu digitālās spēlēs. Galvenais ieguldījums digitālo spēļu mākslīgajā intelekta jomā ir paplašinātās topoloģijas neiroevolūcijas algoritma pielietošanas aģenta iepriekšējās mācīšanās uzdevumam iespējamības novērtēšana dinamiskās sarežģītības iestatīšanas koncepcijas ietvaros. Darbs satur teorētisko pētījumu par to, kas ir neiroevolūcija kā dabiskās datošanas metode, kāpēc un kā tā tiek pielietota dinamiskajai sarežģītības iestatīšanai. Praktiski tiek definēti kritēriji, izveidota eksperimentu vide, veikti eksperimenti, un atsevišķiem gadījumiem tika pierādīts, ka iepriekšējās mācīšanās ar paplašinātās topoloģijas neiroevolūcijas algoritmu ir iespējamas. Papildus tika izstrādātas rekomendācijas šī uzdevuma efektīvākai risināšanai. Darba pamattekstā ir 65 lappuses, 13 attēli, 8 tabulas, 47 informācijas avoti un 3 pielikumi.
Keywords SPĒLES MĀKSLĪGAIS INTELEKTS, DINAMISKĀ SAREŽĢĪTĪBAS IESTATĪŠANA, NESPĒLĒTĀJA TĒLA EVOLŪCIJA, PAPLAŠINĀTĀS TOPOLOĢIJAS NEIROEVOLŪCIJA
Keywords in English GAME ARTIFICIAL INTELLIGENCE, DYNAMIC DIFFICULTY ADJUSTMENT, NON-PLAYER CHARACTER EVOLUTION, NEUROEVOLUTION OF AUGMENTING TOPOLOGIES
Language lv
Year 2019
Date and time of uploading 27.05.2019 10:14:01