A Deep Reinforcement Learning Approach for Pathfinding in Computer Games


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Fakültesi, Bilgisayar Bilimleri Bölümü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: Doğaç Ekici

Danışman: Mete Eminağaoğlu

Özet:

Oyun geliştirmenin en büyük zorluklarından biri, hem tatmin edici derecede gerçekçi hareket sonuçları üreten hem de oyun geliştiricilerin sınırsız hayal gücünün yarattığı dünyalarda farklı senaryoları gerçekleştirebilen bir yol bulma algoritması üretmektir. Ayrıca oyunlar son kullanıcıya yönelik programlar olduğu için içerdikleri sistemlerin mümkün olduğunca az bilgisayar kaynağı kullanması ve maliyet açısından mümkün olan en kısa sürede geliştirilmesi istenmektedir. Mevcut yol bulma çözümleri, soruna güçlü yanıtlar üretebilse de çözülmesi uzun bir geliştirme süresi gerektiren bazı kronik sorunları da içermektedir. Bu çözümler, baştan sona gezinilebilen ve sürekli haritalarda çok iyi çalışmaktadır. Ancak yürüme dışında zıplama, uçma gibi farklı hareket mekaniklerinin de kullanıldığı çeşitli engellerin aşılması gereken durumlara çözüm getirememektedir. Çoğu zaman geliştiricilerin yol bulma örgülerini birbirine linklerle manuel olarak bağlaması gerekmektedir. Bu da farklı hareket mekaniklerine sahip haritalarda oyun geliştirme sürecini önemli ölçüde uzatmaktadır. Aynı zamanda bağlanan linkler manuel olarak kurulduğu için link üzerinde hareket eden cismin hareketi doğal görünmemektedir. Bu çalışmanın odak noktası, mevcut yol bulma algoritmalarının zorluklarını aşmak için yapay sinir ağları ve derin pekiştirmeli öğrenme kullanarak bir düğüm ağı oluşturacak bir sistem oluşturmaktır. Son olarak, yapım aşamasında yapay sinir ağları kullanılmayacağından son kullanıcı için hızlı ve daha az kaynak kullanan bir sistem hedeflenmektedir.