스타크래프트TM 인공지능의 성능 향상을 위한 불확실한 지식에 기반을 둔 적응성 있는 추론 방법 = Adaptive Reasoning Mechanism with Uncertain Knowledge for Improving Performance of Artificial Intelligence in StarCraft(TM)

국문 초록 (Abstract)

스타크래프트는 1998년도에 블리자드(Blizzard Entertainment) 사에서 제작된 전 세계적으로 잘 알려진 실시간 전략 시뮬레이션 게임으로, 현재까지도 수많은 게임 팬들을 유지하고 있다. 이 게임은 세 종족간의 우주 전쟁을 주 내용으로 하며, 실시간적인 전략 및 전술의 승부를 통하여 승리를 결정하게 된다. 이 게임의 등장 이후로, 게임을 즐기는 사용자들의 수준은 본 게임이 등장한 이후로 월등히 향상되었으나, 본 게임의 컴퓨터 인공지능의 수준에는 변화가 없었다. 그 결과, 현재의 컴퓨터 인공지능의 수준은 게임을 즐기는 사용자들의 수준에는 훨씬 미치지 못하게 되었다. 본 논문에서는, 효율적이고 적응성 있는 불확실한 지식 기반 추론 방법에 기반을 둔 스타크래프트의 컴퓨터 인공지능의 성능 향상에 대하여 보인다. 본 논문에서는 제안한 적응성 있는 추론 방법은 본 게임의 기본 시스템에 대한 이해를 바탕으로 하고, 상대방으로부터 얻어낸 단편적인 불확실한 지식을 활용하여, 상대방의 전략 및 공격 유닛들에 보다 효율적로 대응할 수 잇는 전략을 선택할 수 있게 한다. 제안한 방법과 기존의 스타크래프트 인공지능과의 성능 비교 실험을 통하여, 본 논문에서 제안한 방법을 사용한 인공지능이 보다 월등히 뛰어난 성능을 보임을 알 수 있다.

다국어 초록 (Multilingual Abstract)

Many geometric algorithms are based on spatial partitions. One of the most popular methods to obtain a decomposition of space is with a QuadTree. This method is usually used for space partitioning some static objects, moving objects, and massive map in 3D computer games. We present a new method to do space-partitioning for dynamic and static objects using leaf nodes of QuadTree on MMORPG. But this space partition method is not useful when a hero does not moving upward such as jumping or flying. The new method is based on a simple technique for space partitioning using a QuadTree without root nodes. the simulation result shows good rendering frame rate. The response time of the rendering per second is O(log n) in the worst case, and O(1) expected.