Strategy Learning durch Crowd-learned Heuristiken - ein Wiki-Ontologie Mapping am Beispiel von Dominion

  • Künstliche Intelligenzen werden immer öfter erfolgreich in Spielen angewendet. Sie benötigen aber, je nach Komplexität des Spiels, viel Rechenleistung, um gute Ergebnisse erzielen zu können. Daher wird in dieser Arbeit ein Strategy Learning-System implementiert, welches auf der Basis von Crowd-Learned Heuristiken funktioniert. Die Heuristiken sind dabei in einem Wiki hinterlegt. Die Forschung wird nach der Design Science Research Methodology betrieben. Das implementierte System wird auf das Spiel Dominion angewandt, wofür eine Dominion-Ontologie definiert wird. Für die Implementation wird eine Mappingsprache definiert, mit der Informationen aus einem Wiki in eine Ontologie übertragen werden können. Zudem werden Metriken definiert, mit der die ermittelten Strategien bewertet werden können. Im System können Nutzer zum einen ein Mapping für die Informations-Übertragung angeben und anwenden und zum anderen für Dominion eine Menge an Karten auswählen, in der Strategien ermittelt werden sollen. Das System wird abschließend evaluiert, indem Dominion-Spieler die vom System ermittelten Strategien und die erarbeiteten Metriken bewerten.
  • The application of artificial intelligences on digital games became more and more successful in recent years. A drawback is, that they need lots of computing power to achieve good results, the more complex the game, the more computing power is needed. In this thesis a strategy learning-system is implemented, which is based on crowd-learned heuristics. The heuristics are given in a wiki. The research is done according to the Design Science Research Methodology. The implemented system is allied to the game Dominion. To do this, an ontology for Dominion is designed. A mapping language is defined and implemented in the system, which allows the mapping of information in the wiki to an ontology. Furthermore, metrics to rate the found strategies are defined. Using the system, users can enter a mapping for the information transfer and apply it. They can also select cards from Dominion, for which the system determines and rates strategies. Finally, the system is evaluated by Dominion-players by rating the strategies, which are found by the system, and the defined metrics.

Download full text files

  • Masterarbeit_Andreas_Ingenhaag_unterschrieben.pdf
    deu

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Andreas Ingenhaag
Referee:Patrick Delfmann, Carl Corea
Advisor:Carl Corea
Document Type:Master's Thesis
Language:German
Date of completion:2022/07/20
Date of publication:2022/07/20
Publishing institution:Universität Koblenz-Landau, Campus Koblenz, Fachbereich 4
Granting institution:Universität Koblenz-Landau, Campus Koblenz, Fachbereich 4
Date of final exam:2022/08/09
Release Date:2022/07/20
Licence (German):License LogoEs gilt das deutsche Urheberrecht: § 53 UrhG