在电子游戏中，难度是一个很难平衡的方面。有些人喜欢具有挑战性的电子游戏，而另一些人则喜欢简单的体验。为了使这个过程更容易，大多数开发人员使用”动态难度调整(DDA)”DDA的理念是根据玩家的表现实时调整游戏的难度。例如，如果玩家的表现超过了开发者”S对特定难度的期望”s的DDA代理可以自动提高难度来增加呈现给玩家的挑战。尽管这种策略很有用，但其局限性在于只考虑了玩家的表现，而没有考虑多少有趣的他们实际上。
最近发表在带应用的专家系统，韩国光州科学技术学院的一个研究团队决定对DDA方法进行曲解。而不是专注于玩家”他们开发了调整游戏的DDA代理”S难度最大化与玩家相关的四个不同方面之一”S满意度:挑战、能力、流动和效价。DDA代理通过机器学习训练，使用从实际人类玩家那里收集的数据，这些玩家与各种人工智能(ai)玩格斗游戏，然后回答一份关于他们体验的问卷。
使用一种称为蒙特卡罗树搜索的算法，每个DDA代理使用实际的游戏数据和模拟数据来调整对手的AI”S的战斗风格在某种程度上最大化了特定的情感，或者”情感状态。’”与其他以情绪为中心的方法相比，我们的方法的一个优势是，它不依赖于外部传感器，比如脑电图，领导这项研究的副教授Kyung-Joong Kim评论道。”经过训练后，我们的模型只能使用游戏内的功能来估计玩家的状态。”
该团队通过对20名志愿者的实验证实，所提出的DDA代理可以产生改善玩家的ai”总的来说，不管他们的喜好如何。这标志着情感状态第一次被直接整合到DDA代理中，这可能对商业游戏很有用。”商业游戏公司已经掌握了大量的玩家数据。他们可以利用这些数据来模拟玩家，并使用我们的方法解决与游戏平衡相关的各种问题，”金副教授说。值得注意的是，这项技术在其他领域也有潜力”gamified,”比如医疗、锻炼和教育。
参考:文俊，崔勇，朴涛，崔俊，洪志华，金建军。将玩家状态模型集成到蒙特卡罗树搜索中，实现动态难度调整代理的多样化。专家系统与应用．2022; 205:117677。doi:10.1016 / j.eswa.2022.117677
本文已从以下地方重新发布材料．注:材料的长度和内容可能经过编辑。如需进一步信息，请联系所引用的来源。
