O Uso de Algoriіtmos Genétiіcos na Geração de Conteúdo Adaptatiіvo em

Mobiіle Games

Maurílio Silva

Universidade Federal de Campina GrandeCentro de Engenharia Elétrica e InformáticaDepartamento de Sistemas e Computação

Diіsciіpliіna de IІnteliіgênciіa Artiіfiіciіal

Profa. Dra. Joseana Fechine

AgendaAgenda➔ Introdução➔ Metodologia➔ Resultados➔ Análise dos resultados

IІntroduçãoIІntrodução➔ Jogos atuais

✔ Dificuldade fixa✔ Frustação

IІntroduçãoIІntrodução➔ Balanceamento de jogo

✔ Responsável por fornecer desafios✔ Chave para o sucesso✔ Evitar frustação✔ Implica modificar:

● Paramêntros● Dificuldade● Cenários

IІntroduçãoIІntrodução➔ Balanceamento tradicional

✔ Dificuldades fixa● Fácil, normal e difícil

✔ Falha● Existe uma grande variedade de

jogadores● Cada jogador tem habilidades e/ou

conhecimentos específicos● Jogador pode evoluir/crescer

durante o jogo

IІntroduçãoIІntrodução➔ Adaptative Game Content - AGC

✔ Balanceamento dinâmico ✔ Leva em conta o desempenho do jogador✔ Inimigos com inteligência aprimorada✔ Novos desafios✔ Novos cenários

IІntroduçãoIІntrodução➔ Procedural Content Generation - PCG

✔ Geração dinâmica de contéudo✔ Importante no desenvolvimento de jogos

● Fator replay● Desafios

IІntroduçãoIІntrodução➔ Search-based PCG

✔ Gerar-e-testar✔ Similar a um algoritmo genético

● Não determinístico● Função de avaliação (fitness) para medir a qualidade do que

foi gerado

MetodologiіaMetodologiіa➔ Jogo “Chuver”

✔ O que é?✔ Mecânica✔ Dificuldade

MetodologiіaMetodologiіa➔ Nível/intervalo de dificuldade no experimento

✔ Difícil● 0.75 até 1.40

✔ Normal● 1.40 até 1.85

✔ Fácil● 1.85 até 2.75

MetodologiіaMetodologiіa➔ Algoritmo genético

✔ População de 100 cromossomos✔ Representação binária dos cromossomos com 14bits✔ Taxa de mutação de 7,5%✔ Probabilidade de crossover de 55%✔ Intervalo de tolerância de 0.45 pontos✔ Uso de sorteio✔ Função fitness: soma da média aritmética dos cromossomos

MetodologiіaMetodologiіa➔ Aplicação do experimento

✔ Primeira etapa● Testers (7 a 53 anos)● Aparelhos Nokia C3-00/X3-02 e E61● Duas partidas seguidas, limitadas a 32 levels cada

Tempo de geração dos levels Dificuldade do level gerado Nível de dificuldade atual (na qual o jogador se encontra)

✔ Segunda etapa● Partida simulada de 1000 levels● Análise dos dados

ResultadosResultados➔ Jogador 1

✔ Algoritmo proposto● Menor: 1.75● Maior: 1.08● Fim do teste: 1.3

✔ Algoritmo Random● Menor (início): 1.89● Maior: 1.05 (fim do teste)

ResultadosResultados➔ Jogador 2

✔ Algoritmo proposto● Menor: 1.75● Maior: 1.30● Fim do teste: 1.45

✔ Algoritmo Random● Menor (início): 1.79● Maior: 1.20 (fim do teste)

ResultadosResultados➔ Jogador 3

✔ Algoritmo proposto● Menor: 1.75● Maior: 1.15● Fim do teste: 1.24

✔ Algoritmo Random● Menor (início): 1.84● Maior: 1.24 (fim do teste)

Análiіse dos ResultadosAnáliіse dos Resultados➔ Algoritmo proposto

✔ Comportamento similar ao Random nos momentos iniciais

✔ Segue o desenvolvimento do jogador✔ Ajuste da dificuldade✔ Pode ser utilizado em outros tipos de jogos

● Quebra-cabeças (puzzle)● Plataforma● Side scrolling

Dúviіdas!?Dúviіdas!?

Obriіgado!Obriіgado!maurilio.tk2k@gmail.com

www.msilva.mobi@TK2k