총격전의 적 진화

적들이 플레이어에 대한 상대적인 성공에 대한 반응으로 실제로 진화하는 총격전이 있습니까?

진화한다는 것은 각 적의 행동을 암호화하는 유전 정보를 가지고 있다는 것을 의미합니다. 오래 지속되거나 더 많은 피해를 입힌 적들은 유전자를 혼합하여 새로운 적을 만들 수 있습니다. 이런 식으로 적들은 특정 플레이어에 더 잘 적응하게됩니다.

사전 설정 간을 전환하는 것 이상의 방식으로 보스가 접근하는 방식에 따라 보스를 진화시키는 " 경고 영원히 " 라는 일본 프리웨어 PC 촬영 이 있습니다. 자유 롭다는 것도 꽤 재미 있습니다.

내가 찾은 또 다른 게임은 Petri Purho의 " Evolution Shooter "로, 개별 적과 달리 진화 알고리즘을 사용하여 전체 슈팅 게임 정의를 결합합니다.

실시간이나 사수는 아니지만 자동차 전투 게임을 개발할 때 우리는 진화 과정을 사용하여 AI를 구축했습니다. 적 차량은 트랙의 가장자리와 다른 차량의 위치를 ​​볼 수 있습니다.

그러나 침입하기, 시작하기, 상대를 조종하기 어렵고, 상대를 목표로 할 때, 운전에 집중하는 것과 같은 것들이 모두 변수로 설정되었습니다. 그런 다음 AI는 밤새도록 랩을 실행하여 변수를 천천히 조정하도록 설정되었습니다. 매일 아침 전날 밤의 데이터를보고 랩 타임 / 킬이 가장 좋은 데이터를 찾은 다음 다시 변경합니다. 최종 결과는 모든 트랙에 버려지고 경쟁 할 수있는 AI였습니다.

이것은 모두 게임에 구워 졌으므로 플레이어와의 경기에서 배우지 못했습니다.

플레이어의 경향을 추적 한 다음 그러한 선택을 예상하기 위해 노력하는 몇 가지 스포츠 게임이 있지만, 누군가 슈팅 게임에 적응 형 AI를 제공했는지 확실하지 않습니다.

이 개념을 기반으로하는 RTS가 있습니다. 그러나 플레이어는 진화하는 적 대신 번식, 적응 및 진화 할 수있는 유닛을 훈련시킵니다.

네로

이 뒤에 숨겨진 기술은 신경망과 NeuroEvolution이라는 유전자 알고리즘이 혼합 된 것입니다.

NERO (Neuro-Evolving Robotic Operatives)는 지능형 에이전트 실무에 적응할 수있는 고유 한 컴퓨터 게임입니다. 도전적인 작업을 위해 인공 두뇌를 조정하여 자신의 로봇 군대를 진화시킨 다음 온라인 경쟁에서 친구 팀과 경쟁하십시오!

http://nerogame.org/

Galatic Arms Race

비슷한 기술을 사용했지만 사용자의 효과와 전반적인 게임 플레이를 기반으로 한 진화 된 커스텀 무기가 있습니다.

이 게임의 주요 목표는 자동화 된 컨텐츠 생성 기술이 게임 컨텐츠를 지능적으로 생성 할 수있는 가능성을 탐색하는 것입니다. GAR에서 모든 플레이어 무기는 무기 사용 통계를 기반으로 cgNEAT 알고리즘으로 생성됩니다. 그러나 cgNEAT는 사람들이 좋아하는 무기를 단순히 리스폰하지 않습니다. 오히려, 과거에 대중적인 무기를 정교하게 만드는 새로운 무기를 만듭니다.

http://gar.eecs.ucf.edu/

노트 :

이 두 게임은 모두 학업 목표로 개발되었습니다.

당신이 언급 한 의미에서 정확히 진화하지는 않지만 여전히 흥미 롭습니다.

밸브에 의한 Left 4 Dead 게임 모두에는 플레이어의 행동 방식에 따라 레벨을 조정하는 AI 감독이 있습니다.

"디렉터는 각 플레이어의 현재 상황, 상태, 기술 및 위치에 따라 적과 아이템을 다양한 위치와 수량에 배치합니다" -http : //en.wikipedia.org/wiki/Left_4_Dead#AI_Director

Rez는 레벨에서 얼마나 잘했는지에 따라 레벨 보스의 난이도를 변경합니다.