Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Paplašinātās topoloģijas neiroevolūcijas algoritma izmantošana nespēlētāja tēla aģenta iepriekšējai mācīšanai
Nosaukums angļu valodā Use of Neuroevolution of Augmenting Topologies Algorithm in Preliminary Learning of Non-Playable Character Agent
Autors Artūrs Aleksandrovičs
Struktūrvienība 12300 Lietišķo datorsistēmu institūts
Darba vadītājs Jurijs Čižovs
Recenzents LDI pētnieks A.Staško
Anotācija 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.
Atslēgas vārdi SPĒLES MĀKSLĪGAIS INTELEKTS, DINAMISKĀ SAREŽĢĪTĪBAS IESTATĪŠANA, NESPĒLĒTĀJA TĒLA EVOLŪCIJA, PAPLAŠINĀTĀS TOPOLOĢIJAS NEIROEVOLŪCIJA
Atslēgas vārdi angļu valodā GAME ARTIFICIAL INTELLIGENCE, DYNAMIC DIFFICULTY ADJUSTMENT, NON-PLAYER CHARACTER EVOLUTION, NEUROEVOLUTION OF AUGMENTING TOPOLOGIES
Valoda lv
Gads 2019
Darba augšupielādes datums un laiks 27.05.2019 10:14:01