مسیریابی مبتنی بر هوش مصنوعی در بازی جنگ زمینی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی دافوس آجا، تهران، ایران.

2 گروه مطالعات علم و فناوری، دانشگاه فرماندهی و ستاد آجا، تهران، ایران.

3 دانشیار، دانشکده مهندسی برق دانشگاه علوم و فنون هوایی شهید ستاری، تهران، ایران.

چکیده

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.

کلیدواژه‌ها

موضوعات


[1]فرخی، راحله. (1399). حل مدل مسیریابی وسایل حمل مواد خطرناک مبتنی بر کاهش ریسک با استفاده از رویکرد سلسله‌مراتبی، دانشگاه علم و صنعت ایران.
[2] K. D. Forbus, J. V. Mahoney, and K. Dill, (2002). How qualitative spatial reasoning can improve strategy game AIs, IEEE Intelligent Systems, vol. 17, no. 4, pp. 25–30.
[3] E. Bethke, (2003). Game Development and Production, Wordware, Plano, Tex, USA.
[4] K. Forbus, (1996). Qualitative reasoning, in CRC Handbook of Computer Science and Engineering, pp. 715–733, CRC Press, Boca Raton, Fla, USA.
[5] A. G. Cohn, (1997). Qualitative spatial representation and reasoning techniques, in Proceedings of the 21st Annual German Conference on Artificial Intelligence: Advances in Artificial Intelligence (KI ’97). vol. 1303 of Lecture Notes in Computer Science, pp. 1–30, Springer, Freiburg, Germany.
[6] A. Botea, M. Muller, and J. Schaeffer, (2004). Near optimal hierarchi- cal path-finding, Journal of Game Development, vol. 1, no. 1, pp. 7–28.
[7] S. Rabin. (2000). A∗ speed optimizations, in Game Programming Gems, M. DeLoura, Ed. , pp. 272–287, Charles River Media, Rockland, Mass, USA.
[8] R. S. Sutton and A. G. Barto, (1998). Reinforcement Learning: An Introduction, MIT Press, Cambridge, Mass, USA.
[9] I. Millington. (2006). Artificial Intelligence for Games, Morgan Kauf- mann, San Mateo, Calif, USA.
[10] D, Michie, D. J. Spiegelhalter, C. C. Taylor. (1994). Machine Learning, Neural and Statistical Classification, Prentice Hall, Upper Saddle River, NJ, USA.