Інтелектуальна система оптимізації розв’язання ігрових задач

Abstract

UK: Розробка інтелектуального агента для гри типу «Змійка» є актуальною задачею у сфері дослідження методів штучного інтелекту. Для отримання коректної поведінки агента необхідно реалізувати послідовний процес збору даних про стан ігрового середовища, їх обробку та формування керуючих рішень. У межах даної роботи використовується підхід, заснований на поєднанні нейронної мережі та еволюційних методів оптимізації, що дозволяє уникнути необхідності формування навчальної вибірки з наперед заданими відповідями. Складність розв’язання даної задачі полягає у динамічності ігрового середовища, обмеженій кількості можливих дій та наявності факторів, які безпосередньо впливають на результат гри, зокрема розміщення перешкод та цільових об’єктів. Запропонований програмний модуль дає змогу поступово покращувати поведінку агента шляхом відбору найбільш успішних рішень. Основною перевагою даного підходу є його універсальність та можливість подальшого розширення без суттєвих змін базової логіки алгоритму. EN: The development of an intelligent agent for a game like "Snake" is a relevant task in the field of research of artificial intelligence methods. To obtain the correct behavior of the agent, it is necessary to implement a sequential process of collecting data on the state of the game environment, their processing and formation of control decisions. Within the framework of this work, an approach based on a combination of neural networks and evolutionary optimization methods is used, which allows to avoid the need to form a training sample with predetermined answers. The complexity of solving this problem lies in the dynamics of the game environment, the limited number of possible actions and the presence of factors that directly affect the outcome of the game, in particular the placement of obstacles and target objects. The proposed software module allows you to gradually improve the behavior of the agent by selecting the most successful solutions. The main advantage of this approach is its versatility and the possibility of further expansion without significant changes to the basic logic of the algorithm.