KI in Computerspielen

Ähnliche Dokumente
Rete-Netzwerk. Der RETE-Algorithmus. Typen von Knoten im Rete-Netzwerk

Rule-Based Systems. Technische Universität Darmstadt Knowledge Engineering Group

Der RETE-Algorithmus

An Overview of the Signal Clock Calculus

Planungsansätze aus der Künstlichen Intelligenz

Algorithmen und Datenstrukturen 2

Clausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum.

Datenstrukturen. einfach verkettete Liste

Algorithmen und Datenstrukturen 1

9 Minimum Spanning Trees

Klausur zur Vorlesung Algorithmen und Datenstrukturen

MC-Hx 005. IP-Symcon Einbindung des MC-Hx Modul. MB DataTec GmbH. Stand:

Informatik II, SS 2016

Satz 172 Jedes vergleichsbasierte Sortierverfahren benötigt im worst-case mindestens n ld n + O(n) Vergleiche und hat damit Laufzeit Ω(n log n).

Datenstrukturen Teil 3. Traversierung und AVL- Bäume. Traversierung. Traversierung. Traversierung

Lösungen zu Aufgabenblatt 9

Algorithmen und Datenstrukturen 1

Binäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps

6. Sich selbst organisierende Datenstrukturen

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015

Algorithmen II Vorlesung am

Knowledge-Based system. Inference Engine. Prof. Dr. T. Nouri.

2.7 Bucket-Sort Bucket-Sort ist ein nicht-vergleichsbasiertes Sortierverfahren. Hier können z.b. n Schlüssel aus

Datenstrukturen und Algorithmen Beispiellösung zu Heimübungsblatt 7. Abbildung 1: Das Array A als Baum (vgl. Foliensatz 16, Folie 3)

Abgabe: (vor der Vorlesung) Aufgabe 7.1 (P) Binomial Heap

7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure

Sortieren II / HeapSort Heaps

1 AVL-Bäume. 1.1 Aufgabentyp. 1.2 Überblick. 1.3 Grundidee

Clausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum

Datenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 14

Informatik II Bäume zum effizienten Information Retrieval

4. Regelbasierte Systeme

Informatik II Übung 3

Suchen und Sortieren

Clausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele.

4. Regelbasierte Systeme

Vorlesung Informatik 2 Algorithmen und Datenstrukturen

ContainerDatenstrukturen. Große Übung 4

B-Bäume, Hashtabellen, Cloning/Shadowing, Copy-on-Write

Mehrwegbäume Motivation

Vorlesung Datenstrukturen

Datenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15

Punkte. Teil 1. Teil 2. Summe. 1. Zeigen Sie, dass der untenstehende Suchbaum die AVL-Bedingung verletzt und überführen Sie ihn in einen AVL-Baum.

ADS: Algorithmen und Datenstrukturen

INTERVALLBÄUME. Tanja Lehenauer, Besart Sylejmani

Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y

Ferien-Übungsblatt 8 Lösungsvorschläge

7. Sortieren Lernziele. 7. Sortieren

Projektmanagement in Outlook integriert

Logische Datenstrukturen

Teil 1: Suchen. Problemstellung Elementare Suchverfahren Hashverfahren Binäre Suchbäume Ausgeglichene Bäume. B-Bäume. AVL-Bäume Treaps Splay-Bäume

Untere Schranke für allgemeine Sortierverfahren

Referat zum Thema Huffman-Codes

Effizientes Programmieren

Aufgaben, Hilfestellungen und Musterlösungen zum Modul 5 Druckversion

Suchbäume. Suchbäume. Einfügen in Binären Suchbäumen. Suchen in Binären Suchbäumen. Prinzip Suchbaum. Algorithmen und Datenstrukturen

Physikalisch Technische Lehranstalt Wedel 31. Januar 2004 Prof. Dr. Uwe Schmidt

Mengen. Binäre Suchbäume. Mengen: Anwendungen (II) Mengen: Lösung mit Listen 12/3/12. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps

Verhaltensbäume für höhere Autonomiegrade. Verhaltensbäume für den praktischen Einsatz

Betriebswirtschaftliche Optimierung

Algorithmen und Datenstrukturen 13

Programm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph

ACCESS. Berechnete Felder in Tabellen TABELLEN ENTWERFEN BERECHNETE FELDER IN TABELLEN BASICS

Binäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps

Einführung in die Programmierung für NF. Übung

Betriebliche Optimierung

Tutoraufgabe 1 (Implementierung eines ADTs):

Datenbankmodell. SilkCentral Issue Manager Datenbankmodell

2.3 Prozessverwaltung

Umstrukturierung durch Rotationen

Datenbanken. Teil 2: Informationen. Kapitel 2: Einführung. Zusammenfassung der Grundbegriffe. Übersicht über wichtige Grundbegriffe:

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.

8.4 Suffixbäume. Anwendungen: Information Retrieval, Bioinformatik (Suche in Sequenzen) Veranschaulichung: DNA-Sequenzen

Softwarearchitektur eines Computerspielers. SoPra 2016 Alexander Kampmann

Ein fundamentales mathematisches Beweisprinzip p ist die vollständige Induktion: Sei p : Falls

Physische Datenorganisation

Kryptographische Protokolle

Technische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter

Kapitel 12: Induktive

4.3 R-Bäume (I) Idee. basiert auf der Technik überlappender Seitenregionen verallgemeinert die Idee des B + -Baums auf den 2-dimensionalen Raum

Algorithmen und Datenstrukturen

Beispiellösungen zu den Übungen Datenstrukturen und Algorithmen SS 2008 Blatt 6

Algorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B3.1 Einführung. B3.2 Verkettete Liste. B3.3 Bäume

Datenbanken: Ablaufpläne und Serialisierbarkeit

Informatik-Seminar Thema 6: Bäume

Einführung in Subversion

8. A & D - Heapsort. Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können.

Suchstrukturen. Übersicht. 8 Suchstrukturen. Allgemeines. H. Täubig (TUM) GAD SS

Virtualisieren einer Anwendung mit Microsoft App-V 5.0. Nick Informationstechnik GmbH Virtualisieren einer Anwendung mit Microsoft App-V 5.

19. Dynamic Programming I

Software Maintenance. Anmerkung zu Program Slicing UNIV.-PROF. DIPL.-ING. DR. FRANZ WOTAWA

Bäume und der Sequence ADT

AVL-Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. AVL-Bäume 1/38

Transkript:

KI in omputerspielen Decision Making 04.07.2017 Institut für Informatik K.I in omputerspielen 1

Inhalt Decision Making Behavior Trees Regelbasierte Systeme Institut für Informatik K.I in omputerspielen 2

Decision Making harakter hat eine Menge von Informationen harakter hat ein bestimmtes Ziel Aus Informationen müssen Entscheidungen getroffen werden Institut für Informatik K.I in omputerspielen 3

Bild Decision Making AI model Decison Making model Institut für Informatik K.I in omputerspielen 4

Behavior Trees Aufgaben Aufbau Selector Sequence Decorator Parallele Ausführung Vor- und Nachteile Institut für Informatik K.I in omputerspielen 5

Aufgaben Hauptbaustein eines Behavior-Trees ist eine Aufgabe 3 Arten von Aufgaben: Konditionen Aktionen omposites Aufgaben sind in Unterbäume aufgeteilt Institut für Informatik K.I in omputerspielen 6

Aufbau Behavior Trees Konditionen überprüfen ob Eigenschaft gilt Aktionen verändern den Zustand des Spiels Sind beide Blätter omposites (Sequence, Selector) Innere Knoten des Baums Institut für Informatik K.I in omputerspielen 7

Sequence Menge von Verhalten die alle erfolgreich abgeschlossen werden müssen Schlägt eins fehl -> ganze Sequenz schlägt fehl Institut für Informatik K.I in omputerspielen 8

Selector Menge von Verhalten, bei der eine erfolgreich sein muss Ist eins erfolgreich -> Selector ist erfolgreich Institut für Informatik K.I in omputerspielen 9

Beispiel Institut für Informatik K.I in omputerspielen 10

Nicht-deterministische omposites Ausführung der Kinder-Knoten in strikter Reihenfolge vorhersehbare A.I. Lösung: zufällige Reihenfolge der Ausführung Funktioniert nur bei Vorgängen bei denen die Reihenfolge egal ist z.b. muss Tür erst geöffnet werden um sie zu betreten Institut für Informatik K.I in omputerspielen 11

Decorator Desgin-Pattern aus Software-Entwicklung Instanz des Dekorierers wird vor die zu dekorierende Klasse geschaltet Gleiche Schnittstelle wie die zu dekorierende Klasse Institut für Informatik K.I in omputerspielen 12

Decorator im Behavior-Tree Decorator ist Aufgabe die ein Kind-Knoten besitzt und dessen Verhalten ändert Anwendungsfälle: Anzahl der Versuche begrenzen Aufgabe ausführen bis sie fehlschlägt Institut für Informatik K.I in omputerspielen 13

Beispiel Decorator Decorator führt die Sequence solange aus, bis diese fehlschlägt Institut für Informatik K.I in omputerspielen 14

Parallele Ausführung Behavior-Trees müssen gleichzeitig ausgeführt werden jeder Behavior-Tree läuft auf eigenem Thread p : P Beispiel: Institut für Informatik K.I in omputerspielen 15

Vor- und Nachteile Vorteile: Leicht zu verstehen Teilbäume wiederverwendbar Flexibel und skalierbar Nachteile: Wird immer vom Stamm ausgeführt (kostet unnötig Prozessorzeit) Reagiert langsam auf aktuelle Ereignisse Institut für Informatik K.I in omputerspielen 16

Regel-Basierte Systeme Aufbau Unification Konfliktlösung Rete-Algorithmus Arbeitsweise Änderungen im Netzwerk Institut für Informatik K.I in omputerspielen 17

Aufbau Zwei Teile: Datenbank die Wissen der KI hält ( - ) Regeln werden auf Erfüllung geprüft und daraus Konfliktmenge gebildet Institut für Informatik K.I in omputerspielen 18

Ansicht p Konditionen (Pattern), bestehen aus Fakten identisch zu denen in der Datenbank Institut für Informatik K.I in omputerspielen 19

Unification ( ( )) ( ( )) ( ( )) ( ( )) ( ( )) ( ( )) ( p ( )) ( p ( )) Institut für Informatik K.I in omputerspielen 20

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 21

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 22

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 23

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 24

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 25

Konfliktlösungsstrategien First Applicable Least Recently Used Random Rule Most Specific onditions Dynamic Priority Arbitration Institut für Informatik K.I in omputerspielen 26

Rete (lat. Netzwerk ) 1979 von harles Forgy Effizient um viele Regeln zu vergleichen O j p working y Institut für Informatik K.I in omputerspielen 27

Arbeitsweise Rete Erstellt aus allen Regelprämissen ein Netzwerk Bedingungen, die gleiche Bedingungsteile enthalten werden nur einmal überprüft Ergebnis wird gespeichert Danach muss nur bei Änderung neue Konfliktmenge gebildet werden Institut für Informatik K.I in omputerspielen 28

Aufbau Prämissenknoten: Selektionsbedingungen, die sich auf einzelne Objekte beziehen Verbindungsknoten: Verknüpft Bedingungen miteinander Institut für Informatik K.I in omputerspielen 29

Aufbau Zu einzelnen Knoten werden Ergebnisse gespeichert: Prämissenknoten: Objekte die Selektionsbedingung erfüllen Verbindungsknoten: Objekttupel die die Verbundbedingung erfüllen K p O j Institut für Informatik K.I in omputerspielen 30

Effizienz Bedingungen: Regelprämissen enthalten gleiche Bedingungen Diese müssen nur einmal überprüft werden Faktenbasis: Bei Änderungen (an Faktenbasis) muss nur überprüft werden ob sich die Konfliktmenge geändert hat Institut für Informatik K.I in omputerspielen 31

Rete Beispiel : ( p ( )) ( p ( )) p p p : p : p : p : : ( p ( )) ( p ( )) ( p ( )) p p Institut für Informatik K.I in omputerspielen 32

Änderung in einem Netzwerk Änderung: Neuer Fakt kommt hinzu oder Fakt wird gelöscht Information wird durch Netzwerk gereicht Knotenspeicher wird aktualisiert Beispiel: R = A(X,Y) B(X) (Y) Institut für Informatik K.I in omputerspielen 33

Beispiel Änderung Institut für Informatik K.I in omputerspielen 34

Beispiel Änderung Tupel A(3,7) wird hinzugefügt Institut für Informatik K.I in omputerspielen 35

Beispiel Änderung Tupel A(3,7) wird hinzugefügt Institut für Informatik K.I in omputerspielen 36

Beispiel Änderung Tupel A(3,7) wird hinzugefügt Institut für Informatik K.I in omputerspielen 37

Beispiel Änderung Tupel A(3,7) wird hinzugefügt Institut für Informatik K.I in omputerspielen 38

Quellen Millington, Ian; Funge, John (2009): Artificial Intelligence For Games Second Edition. http://www.cse.scu.edu/~tschwarz/oen129/p PT/Decision%20Making.pdf Becker, Peter : Grundlagen von Decision Support und Expertensystemen,www2.inf.fhrheinsieg.de/~pbecke2m/xps/ Institut für Informatik K.I in omputerspielen 39