Bayes Netz fuer Computerspiel

29/05/2016 - 12:52 von Manuel Rodriguez | Report spam
Hi,
in einem Computerspiel können unterschiedliche Events auftreten:
- Event1
- Event2
- Event3

Für jeden Event gibt es eine Timeline. Wenn der Spieler irgendwelche Aktions ausführt, veràndern sich manchmal die Events. Die Frage lautet: unter welchen Bedingungen ist ein bestimmter Event wahrscheinlich?

Natürlich habe ich schon selbst etwas recherchiert, das ganze hat etwas zu tun mit Bayes Netzen, Activity Recogntion, Spam-Filter, Markov-Ketten und neuronalen Netzen. Aber ich bin auf der Suche nach einer leichteren Darstellung. Ich habe schon probiert die Events einfach als Diagramm darzustellen (jedes Event kann 0 oder 1 sein) aber irgendwie ist der Chart nicht übersichtlich genug. Gibt es eine bessere Methode um die Abhàngigkeiten untereinander zu visualisieren?

Danke.
 

Lesen sie die antworten

#1 Manuel Rodriguez
30/05/2016 - 19:55 | Warnen spam
Weil offenbar noch keine Antworten eingegangen sind, möchte ich eine alte Tradition des Netzes aufgreifen und einfach selbst meine Frage beantworten. Komischerweise hat mir allein das Formulieren der Frage bei der Beantwortung geholfen.

Das Thema was angesprochen wurde heißt in der Fachliteratur Associative rule-Learning und wird im Bereich Datanmining erforscht. In dem WEKA Tool findet sich beispielsweise der apriori Algorithmus, der für Datensàtze automatisch stochastische Rules extrahiert.

Aber auch aus Sicht des Reinforcement-Learning macht die Unterteilung in Events / Gamestates Sinn. Nehmen wir mal an, man fasst die Events als Features auf und versieht sie aufsteigend mit einer Nummer. Dann können im Computerspiel vielleicht 1000 States auftreten (jenachdem welches Event erfüllt ist). Die Abfolge der States ergibt eine Zeitreihe welche man als Markov-Kette auffassen kann, oder noch besser mit Hilfe von Graphviz/Pydot als Mindmap darstellen kann. Man erhàlt auf diese Weise ein Zustandsübergangsdiagramm: also von welchem Systemzustand man in welchen anderen wechseln kann.

Aus Sicht von QLearning ist das vergleichbar mit der Q-Table. Man kann damit sagen, welche Folgezustànde jeweils möglich sind und welchen Weg man einschlagen muss um einen bestimmten Zielpunkt zu erreichen.

Auch wenn ich hier der einzige bin, möchte ich mich trotzdem fürs Lesen bedanken. Viel Spaß am Geràt wünscht Manuel.

Ähnliche fragen