Daha inandırıcı oyun karakterleri için bayes ve Q-learning tabanlı yaklaşım

Oyun programlamada ulaşılmak istenen hedeflerden biri de gerçek hayatta yer alan kavramları ve karakterleri oyunlara uyarlamaktır. Bu yaklaşım, daha ilgi çekici hareketler sergileyen oyun karakterleri sunmak için benimsenmektedir. En yüksek ödül mantığını ele alan yöntemler oyun karakterinin aynı örüntüleri sergilemesine ve tekrara düşmesine sebep olur. Aynı zamanda bu durum oyunun oynanabilirliğini azaltır. Bu tür tekrarlayıcı kalıpları önlemek için, Naïve Bayes ile Q-öğrenme yaklaşımına dayalı bir davranış algoritması geliştirilmiştir. Geliştirilen algoritmanın geçerliliği kullanıcı testleri ile karşılaştırmalı olarak ortaya konulmuştur. Bu testler sonucunda, algoritmanın öğrenmede kullandığı oyun verisi miktarı arttıkça davranış öğrenme algoritmasının daha iyi bir performans gösterdiği ve oyun karakterinin daha ilgi çekici hale geldiği görülmüştür.