@article { author = {Bigdeli, Hamid and Jabarzadeh, Saber and Mazloum, Jalil}, title = {Artificial intelligence-based path finding in land war game}, journal = {Iranian Journal of Wargaming}, volume = {5}, number = {10}, pages = {25-46}, year = {2022}, publisher = {AJA Command & Staff University}, issn = {2676-5284}, eissn = {2676-7708}, doi = {}, abstract = {The war game is used in the world as one of the decision-making and decision-making practice methods of military commanders, and if this simulation is prepared with artificial intelligence tools, it will increase the decision-making power and have a significant effect on reducing costs and preventing wastage of resources. One of the items used in war game systems, which is the subject of this article, is the path finding. In this regard, first A* path finding was investigated and then its disadvantages were improved by combining the hierarchical method. Then path finding with reinforcement learning algorithm with data pre-processing as innovative methods in order to match the maps has been studied before performing the path finding phase. In the following, path finding with reinforcement learning has been investigated in a hierarchical manner. Also, the time and speed of different units have been applied in path finding and its results have been analyzed.}, keywords = {Artificial intelligence,Path finding algorithm,hierarchical path finding,Reinforcement Learning}, title_fa = {مسیریابی مبتنی بر هوش مصنوعی در بازی جنگ زمینی}, abstract_fa = {بازی جنگ در دنیا به عنوان یکی از روش‌های تمرین تصمیم‌سازی و تصمیم‌گیری فرماندهان نظامی مورد استفاده قرار می‌گیرد و درصورتی‌که این شبیه‌سازی با ابزارهای هوش مصنوعی تولید شود، قدرت تصمیم‌گیری را افزایش داده و تأثیر بسزایی در کاهش هزینه‌ها و جلوگیری از هدر رفت منابع خواهد داشت. یکی از موارد مورد استفاده در سامانه‌های بازی جنگ که موضوع این مقاله است، بخش مسیریابی می‌باشد. در این راستا ابتدا مسیریابی A* مورد بررسی قرار گرفته و سپس معایب آن با ترکیب روش سلسله‌مراتبی، بهبود داده شده است. سپس مسیریابی با الگوریتم یادگیری تقویتی با پیش‌پردازش داده‌ها به صورت روش‌های ابتکاری به منظور همسان‌سازی نقشه‌ها، پیش از انجام فاز مسیریابی مورد مطالعه قرار گرفته است. در ادامه مسیریابی با یادگیری ‌تقویتی به صورت سلسله‌مراتبی، بررسی شده است. همچنین زمان و سرعت یگان‌های مختلف در مسیریابی اعمال شده و نتایج آن مورد بررسی قرار گرفته است.}, keywords_fa = {هوش مصنوعی,الگوریتم مسیریابی,مسیریابی سلسله‌مراتبی,یادگیری تقویتی}, url = {http://www.ijwg.ir/article_171150.html}, eprint = {http://www.ijwg.ir/article_171150_e12514a64363ecd2073484ec44768ce4.pdf} }