Artificial Intelligence in the Elementals Game

Bc. Jozef Vilkolák

Master's thesis

Abstract:

Vývoj umelej inteligencie (AI) pre počítačové hry často vyžaduje veľa snahy od vývojárov na vymyslenie čo najlepšie sa správajúcej stratégie. Takéto odborné znalosti sa potencionálne menia s každou modifikáciou herných mechaník. Táto práca je o použití neuroevolúcie pre vyvinutie neurónovej siete schopnej hrať počítačovú hru s názvom Elementals. Evolúcii poskytneme čo najmenšie množstvo odborných znalostí. Použitie tohto prístupu ku strojovému učeniu pre hernú AI má výhodu v tom, že je sama schopná sa znova naučiť hru podľa nových pravidiel. Konkrétna použitá metodológia evolúcie je súťaživá koevolúcia pomocou algoritmu NeuroEvolution of Augmenting Topologies (NEAT). Vykonali sme 80 experimentov s rôznymi nastaveniami. Všetky výsledné siete sa následne zúčastnili turnaja, aby sme zistili, ktoré nastavenia sú najefektívnejšie. Najlepšiu z týchto sietí sme nechali vyvíjať sa podstatne dlhšie. Spolu s jej predchodcom sme ju otestovali voči základným stratégiám a ľudským hráčom, aby sme zhodnotili do akej miery sa uskutočnilo učenie.

Abstract:

Developing artificial intelligence (AI) for video games often involves a lot of effort by the developers on devising the best performing strategies. Such expert knowledge potentially changes with every modification to the game mechanics. This thesis is about using neuroevolution to evolve a neural network capable of playing a video game called Elementals. The evolution is given as little expert knowledge as possible. Using this type of machine learning approach to game AI has the benefit of being able to simply relearn the game under the new rules. The particular evolution methodology used is competitive coevolution using the NeuroEvolution of Augmenting Topologies (NEAT) algorithm. We ran 80 experiments with different experiment configurations. All resulting networks participated in a tournament to determine the most promising experiment configuration. The best of these networks was then evolved for a much longer time. Then together with it's predecessor, they were tested against two baseline strategies and human players to evaluate how much learning was achieved.

Keywords

Artificial intelligence, Neural Network, Genetic algorithm, NEAT, Neuroevolution, Competitive Coevolution, Video Game, Elementals

Language used: English

Date on which the thesis was submitted / produced: 30. 5. 2016

Thesis defence

• Date of defence: 1. 7. 2016
• Supervisor: doc. RNDr. Aleš Horák, Ph.D.
• Reader: doc. Mgr. Pavel Rychlý, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Informatics / Theoretical Informatics