Удосконалення моделі поведінки інтелектуального агенту на основі генетичного алгоритму

Abstract

Представлено вирішення завдання удосконалення моделі поведінки неігрового персонажу, що виступає в якості інтелектуального агенту, за рахунок оптимізації вхідних параметрів на основі генетичного алгоритму. Запропонований підхід включає розробку моделі неігрового персонажу: скелету, твердих тіл та реалізація динамічної моделі персонажу, заснованої на алгоритмі Фізерстоуна, та моделювання поведінки персонажу на основі генетичного алгоритму. Запропоновано формування моделі поведінки із використанням генетичного алгоритму, що моделює фізичні властивості персонажу з урахуванням його дій. Етапи роботи генетичного алгоритму включають: створення початкової популяції, оцінка пристосовуваності, відбір, схрещування та мутації. За результатами проведених експериментів визначено вхідні параметри моделі поведінки неігрового персонажу, що максимізують сукупну оцінку пристосовності, яка виступає в якості оцінки винагороди та які можуть бути використані як початкові вхідні значення при проведенні подальших експериментів.A solution of improving the behavior model of a non-player character as an intelligent agent by optimizing input parameters based on a genetic algorithm is presented. The proposed approach includes the development of a non-player character model: a skeleton, rigid bodies, the implementation of a dynamic model based on the Featherstone algorithm, and modeling of the character's behavior based on a genetic algorithm. The formation of a behavior model using a genetic algorithm that simulates the physical properties of a character, taking into account his actions, is proposed. The stages of the genetic algorithm include creating an initial population, fitness score, selection, crossing and mutation. Based on the results of the experiments, the input parameters of the non-player character behavior model were determined, maximizing the cumulative fitness score, which acts as an estimate of the reward, which can be used as initial values for further experiments.