KR100718334B1 - 인공지능기법을 이용한 사용자 상호작용 게임 난이도조절방법 - Google Patents

Abstract

본 발명은 전자 정보 기술에 관한 것으로, 특히 게임 개발 분야에 관한 것이며, 더 자세히는 인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절방법에 관한 것이다. 본 발명은 사용자의 게임 플레이 숙련도에 따라 효과적인 게임의 난이도 조절이 가능한 사용자 상호작용 게임 난이도 조절방법을 제공하는데 그 목적이 있다. 본 발명에서는 인공지능기법의 하나인 유전자 알고리즘(Genetic Algorithm)을 이용하여 게임을 진행하는 사용자의 성향 및 게임에 대한 적응도를 판단하고 그에 따라 실시간으로 사용자의 수준에 맞도록 게임의 난이도를 조절함으로써, 사용자 친화적으로 게임을 개발하여 초보자에게는 쉬운 난이도를, 숙련자에게는 보다 어려운 난이도를 제공할 수 있도록 한다. 이 경우, 사용자의 흥미를 높여 게임의 라이프 사이클 연장을 기대할 수 있다.

게임, 난이도 조절, 인공지능기법, 사용자 상호작용, 유전자 알고리즘

Description

인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절방법{GAME DIFFICULTY CONTROL METHOD FOR USER INTERACTING USING ARTIFICIAL INTELLIGENCE TECHNIQUE}

도 1은 본 발명의 일 실시예에 따른 인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절 과정을 나타낸 순서도.

도 2는 테트리스 게임에서 발생되는 조각의 순서를 예시한 도면.

도 3은 테트리스 게임보드를 예시한 도면.

도 4는 적합도에 따른 B/T(조각 발생당 빈 블록의 수)의 그래프.

도 5a는 본 발명을 적용하여 무작위 사용자를 대상으로 한 실험에서, 사용자가 제거한 라인 수에 대한 결과를 나타낸 그래프.

도 5b는 본 발명을 적용하여 무작위 사용자를 대상으로 한 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프.

도 6a는 본 발명을 적용하여 초보 그룹과 숙련 그룹을 대상으로 한 실험에서, 사용자가 제거한 라인 수를 나타낸 그래프.

도 6b는 본 발명을 적용하여 초보 그룹과 숙련 그룹을 대상으로 한 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프.

도 7은 본 발명을 적용하여 돌연변이율을 변화시킨 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프.

본 발명은 전자 정보 기술에 관한 것으로, 특히 게임 개발 분야에 관한 것이며, 더 자세히는 인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절방법에 관한 것이다.

최근 규모면에서의 급격한 성장으로 각광을 받고 있는 게임산업은 고화질 그래픽과 네트워킹 개선을 위한 연구에 그 주안점을 두고 있다. 고화질 그래픽의 경우 처리능력이나 성능이 비약적으로 발전하여 이제는 기술 발전의 한계에 다다른 것으로 보여짐에 따라, 게임에 있어 또 하나의 중요 요소인 게임의 네트워킹에 관심이 모아지고 있다.

현재 대부분의 청장년들은 상당히 게임에 익숙해 있으며, 게임의 라이프 사이클(Life cycle)은 점점 더 짧아져 가고 있는 실정이다. 이는 통상적으로 사용자가 게임에 쉽게 익숙해지면 보다 어려운 상대를 원하게 되지만, 게임에서는 사용자의 게임 숙련 정도를 고려하지 않은 채 기저장된 난이도 시나리오에 따라 일률적으로 조절된 난이도를 제공함으로써, 게임에 익숙한 사용자에게는 게임의 재미를 반감시키는데 기인하고 있다.

이러한 게임의 라이프 사이클 축소를 보완하기 위하여 게임 개발 단계에서 인공지능기법이 응용되고 있다. 그러나, 종래에 게임에 적용된 인공지능기법은 대부분 보다 사실적인 상황을 설정하기 위해 사용되거나, 게임을 보다 실감나게 하기 위해 혹은 단순한 반복을 회피하기 위해 사용될 뿐, 인공지능기법이 게임 플레이(Game play)에 직접 관여하지는 않아 게임의 난이도를 효과적으로 조절하는데 기여하지는 못하고 있는 실정이다.

게임은 보다 쉽게 대중에게 다가갈 수 있어야 하며 보다 많은 사람들이 즐길 수 있는 방향으로 개발되어야 함에도, 기존의 게임의 난이도 조절의 방향은 사용자로 하여금 난해해 하는 방향으로만 진행되었기 때문에, 게임에 익숙하지 않은 사용자를 게임에서 소외시키거나 게임에 익숙해진 사용자는 곧 실증을 느끼는 결과를 초래하게 되었다. 또한 게임 개발자측면에서도 사용자의 게임 숙련도를 고려하여 숙련 정도에 따라 많은 시나리오를 작성하여 게임을 개발하여야 하므로, 난이도 조절에 많은 시간과 비용을 투자하여야만 하는 어려움이 따랐다.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위하여 제안된 것으로, 사용자의 게임 플레이 숙련도에 따라 효과적인 게임의 난이도 조절이 가능한 사용자 상호작용 게임 난이도 조절방법을 제공하는데 그 목적이 있다.

상기의 기술적 과제를 달성하기 위한 본 발명의 일 측면에 따르면, 유전자 알고리즘을 이용하여 게임을 진행하는 사용자의 게임에 대한 적응도를 판단하는 단계와, 게임 종료 요구가 있기 전까지, 판단된 상기 사용자의 게임 적응도를 게임의 난이도에 적용하여 게임을 진행하는 단계를 포함하는 사용자 상호작용 게임 난이도 조절방법이 제공된다.

바람직하게, 상기 사용자의 게임에 대한 적응도를 판단하는 단계는, 초기 게임 난이도 설정을 위한 초기 유전자를 로딩하는 단계; 로딩된 상기 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성하는 단계; 구성된 세대를 적용하여 게임을 진행하는 단계; 및 게임을 진행하면서 적합도 함수에 따라 사용자의 적응도를 판단하는 단계를 포함한다.

바람직하게, 상기 사용자의 게임 적응도를 게임의 난이도에 적용하여 게임을 진행하는 단계는, 적응도 판단 결과에 응답하여 난이도 조절이 필요한지를 체크하는 단계; 적응도 판단 결과, 난이도 조절이 필요함에 따라 연산자를 적용하여 새로운 세대를 구성하는 단계; 및 상기 새로운 세대에 따라 게임의 난이도 조절을 위한 새로운 유전자를 로딩하는 단계를 포함한다.

바람직하게, 상기 사용자의 게임 적응도를 게임의 난이도에 적용하여 게임을 진행하는 단계는, 게임 종료 요구가 있는지를 체크하는 단계와, 체크 결과, 게임 종료 요구가 없음에 따라 상기 구성된 세대를 적용하여 게임을 진행하는 단계로 돌아가는 단계를 더 포함한다.

나아가, 상기 사용자의 게임 적응도를 게임의 난이도에 적용하여 게임을 진 행하는 단계는, 적응도 판단 결과, 난이도 조절이 필요하지 않음에 따라 게임 종료 요구가 있기 전까지 기존의 세대를 이용하여 적용하여 게임을 진행하는 단계를 더 포함한다.

한편, 본 발명의 다른 측면에 따르면, 게임을 실행하기 위한 프로세서를 구비한 시스템에, 초기 게임 난이도 설정을 위한 초기 유전자를 로딩하는 기능; 로딩된 상기 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성하는 기능; 구성된 세대를 적용하여 게임을 진행하는 기능; 게임을 진행하면서 적합도 함수에 따라 사용자의 적응도를 판단하는 기능; 적응도 판단 결과에 응답하여 난이도 조절이 필요한지를 체크하는 기능; 적응도 판단 결과, 난이도 조절이 필요함에 따라 연산자를 적용하여 새로운 세대를 구성하는 기능; 및 상기 새로운 세대에 따라 게임의 난이도 조절을 위한 새로운 유전자를 로딩하는 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공된다.

본 발명에서는 인공지능기법의 하나인 유전자 알고리즘(Genetic Algorithm)을 이용하여 게임을 진행하는 사용자의 성향 및 게임에 대한 적응도를 판단하고 그에 따라 실시간으로 사용자의 수준에 맞도록 게임의 난이도를 조절함으로써, 사용자 친화적으로 게임을 개발하여 초보자에게는 쉬운 난이도를, 숙련자에게는 보다 어려운 난이도를 제공할 수 있도록 한다. 이 경우, 사용자의 흥미를 높여 게임의 라이프 사이클 연장을 기대할 수 있다.

이하, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자가 본 발명을 보 다 용이하게 실시할 수 있도록 하기 위하여 본 발명의 바람직한 실시예를 소개하기로 한다.

도 1은 본 발명의 일 실시예에 따른 인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절 과정을 나타낸 순서도이다.

도 1을 참조하면, 본 실시예에 따른 인공지능기법을 이용한 사용자 상호작용 게임 난이도 조절 과정은, 크게 유전자 알고리즘을 이용하여 게임을 진행하는 사용자의 게임에 대한 적응도를 판단하는 과정(A)과, 판단 결과에 따라 실시간으로 사용자의 수준에 맞도록 게임의 난이도를 조절하는 과정(B)을 포함한다.

이하, 게임 적응도 판단 과정(A)과 난이도 조절 과정(B)을 포함한 본 실시예에 따른 게임 난이도 조절 과정에 대해 보다 자세히 살펴본다.

우선, 초기에 게임의 난이도 설정을 위한 초기 유전자를 로딩하고(S10), 로딩된 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성한다(S11).

이어서, 구성된 초기화 세대를 적용하여 게임을 진행하게 된다(S12). 이와 같이 게임을 진행함에 있어서 적합도 함수에 따라 사용자의 적응도를 판단한다(S13).

계속하여, 적응도 판단 결과에 응답하여 난이도 조절이 필요한지를 체크한다(S14).

만일, 적응도 판단 결과 난이도 조절이 필요한 경우에는 연산자를 적용하여 새로운 세대를 구성하고(S15), 새로운 세대에 따라 게임의 난이도 조절을 위한 새 로운 유전자를 로딩한다(S16).

이후, 게임 종료 요구가 있을 때까지 상기 게임 진행 단계(S12) 내지 새로운 유전자 로딩 단계(S16)를 반복적으로 수행하면서 게임을 진행한다. 즉, 게임 종료 요구가 있는지를 체크하여(S17) 게임 종료 요구가 없으면 게임 진행 단계(S12)로 돌아가고, 게임 종료 요구가 있으면 게임을 종료한다(S18).

한편, 적응도 판단(S14) 결과, 난이도 조절이 필요하지 않은 경우에는 새로운 세대 구성 단계(S15) 및 새로운 유전자 로딩 단계(S16)를 스킵한다.

본 발명에 적용된 유전자 알고리즘은 자연계의 유전에서 하나의 개체(Individual)가 적응하고자 하는 환경 즉, 해결하고자 하는 문제로 대변될 수 있는 적합도(Fitness)와, 그 환경에 적응하려는 개체, 즉 주어진 문제의 해가 될 후보인 유전자(Gene), 그 해 후보들의 집합인 세대(Generation)를 기본 구성으로 한다.

그리고, 유전자 알고리즘의 연산자로는 잘 적응한 해들은 살아남고 잘 적응 하지 못한 해들은 도태되도록 유도하는 선택(Selection), 높은 적합도로 선택되어진 부모에 의해서 혹은 유전되어질 가능성이 높은 주어진 모체에 의해서 향상된 해를 갖는 새로운 세대를 생산하는 재생산(Reproductions), 스팅 중에 무작위 위치를 선택하는 교배(Crossover), 임의적으로 발생하는 돌연변이(Mutation) 등이 있다.

유전자 알고리즘을 적용하여 게임의 난이도를 조절하는 경우, 유전자 알고리즘에서는 게임 중에서 적의 수가 증가하거나 게임의 속도가 증가하는 등 게임의 난이도 조절 요소를 유전자로 사용하고, 사용자가 얻은 점수나 게임 시간 등 게임에서의 사용자 적응도 평가 요소를 적합도 함수로 사용한다.

그리고, 유전자는 통상적으로 게임의 제작 초기에 어떤 요소를 통하여 전체적인 난이도를 조절할지가 결정되고, 상기 적합도 함수는 주로 게임의 기획자 혹은 제작자의 의도를 반영하여 결정된다

앞서 기술한 바와 같이, 본 발명에 따른 유전자 및 적합도 함수는 비행 슈팅 게임, 액션 게임, 롤플레잉 게임, 퍼즐 게임 등 대부분의 장르에 적용할 수 있는데, 각 장르별로 본 발명을 적용하는 예를 설명하면 다음과 같다.

먼저, 비행 슈팅 게임에서 게임의 난이도를 조절하는 요소는 적의 속도 혹 은 게임의 속도를 증가시키거나 적의 수를 증가시키는 것이므로, 대표적인 비행 슈팅 게임인 갤러그(Galag)의 경우 유전인자는 C=[속도, 미사일]이며, 유전자는 10 단위 시간당 유전인자의 변화가 되어 G(t) = {C0, C1, C2, ... , C9}로 나타내고, 적합도 함수는 일정 시간 동안 플레이어가 획득한 점수 변화량 혹은, 단위 시간당 적 개체수 변화량(적의 밀도)가 된다.

그 다음, 대표적인 액션 게임의 일종인 은행강도(Bank Panic)의 경우, 게임 중 방문객의 방문 순서가 정해져 있어 사용자가 영리하고 게임을 수 차례 반복한다면 방문객의 방문 순서를 외우게 되어 게임의 재미가 떨어지므로, 액션 게임의 유전인자는 3개의 문(Door)에 등장하는 등장인물(강도 혹은 손님) 즉, C = [Pl, Pc, Pr]이 되고, 유전자는 10 단위 시간당 유전인자의 변화가 되어 G(t) = {C0, C1, C2, ... , C9}로 나타내며, 적합도 함수는 일정 시간 동안 사용자가 획득한 점수 변화량 혹은, 방문한 등장인물 중 강도의 비율이 된다.

한편, 대표적인 롤플레잉 게임의 하나인 디아블로(Diablo)는 적이 특정의 스 테이지에서 일정한 수로 출현하는데, 이때 일정하게 제한된 수의 적이 있을 경우 그들이 근접해 있는 정도 즉, 적의 응집도에 따라 게임의 난이도가 달라질 수 있으므로, 롤플레잉 게임의 경우 유전인자는 없이, 유전자는 적 상호간의 평균 거리, 즉 적의 응집도가 되고, 적합도 함수는 단위시간당 플 레이어가 획득한 경험(점수)의 변화량 혹은 단위 시간당 적의 개체수 변화량이 된다.

마지막으로, 게임 역사상 가장 오래된 퍼즐 게임의 일종인 테트리스(Tetris) 의 경우, 게임 중에 등장하는 조각(Piece)들의 순열에 따라 사람마다 각기 어렵고 쉬워하는 정도를 달리하므로, 퍼즐 게임의 경우에도 유전인자는 없으며, 유전자는 각 조각들이 발생하는 순서가 되고, 적합도 함수는 이미 제거 라인(Cleared Line)을 고려한 전체의 빈 블록(Blank Block)의 밀도가 사용된다.

이하, 상기 각 장르의 게임 중에서 가장 명백하다고 생각되는 게임인 테트 리스에 본 발명을 적용한 예를 보다 자세히 설명하기로 한다.

테트리스는 난수함수를 통해 발생된 각 모양의 조각을 조합하여 라인을 많 이 생성할수록 점수를 획득하는 게임으로서, 발생되는 조각의 순서에 따라 게임의 난이도가 달라지므로, 도 2에 도시된 바와 같이 조각의 아래 부분의 놓이는 면이 평평(Plate)해야 평이한 조각의 순열이 된다.

여기서, 조각의 순열의 어려운 정도는 상당히 가변적이고 전적으로 상황과 사용자에 따라서 달라지게 되는데, 같은 사용자라 하더라도 숙련 정도에 따라서 매우 다르게 되므로, 본 발명에서는 유전인자로 발생되는 조각의 순열을 사용한다.

그리고, 본 발명에서는 사용자의 게임에 대한 적응도를 평가할 요소로, 이미 제거된 라인을 포함한 최종라인까지의 빈 블록의 밀도를 사용자의 적응도로 사용한다.

또한, 도 3에 도시된 바와 같이, 유전자는 앞으로 발생될 4개의 조각들의 순 열과 그 적응도로 인코딩하고, 한 세대는 8개의 인코딩된 유전자로 구성하며, 선택 방법은 개발자가 원하는 적응도 값에 근접한 적합도 값의 유전자를 2개 선택하는 것으로 한다.

따라서, 게임이 시작되면, 게임을 실행하기 위해 구동되는 모듈에서는 초기 에 게임의 난이도 설정을 위한 초기 유전자를 로딩하고(S10), 로딩된 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성한 후(S11), 구성된 초기화 세대를 적용하여 게임을 진행한다(S12).

일반적으로, 테트리스 게임은 도 3과 같이, 0∼6까지의 정수를 난수함수를 통해 발생시켜 그에 해당하는 조각을 발생시키는데, 적합도 함수는 다음의 수학식과 같으며, 이는 일정한 값을 나타낸다.

여기서 'B'는 화면 상에 보여지는 빈 블록(Blank Block)의 수, 'C'는 이미 라인을 형성 하여 지워진 제거 라인의 수, 'L'은 현재 게임보드에 쌓여진 조각의 최종 라인수를 나타낸다.

상기 도 3에서, 블록과 조각은 테트리스의 게임보드를 구성하는 기본 단위가 되며, 전체 게임보드는 12*23개의 블록으로 구성되어 있다. 그리고, 조각의 발생회수를 'T'라고 할 경우, 상기 수학식 1을 사용하여 하기의 수학식 2와 같은 관계가 성립함을 알 수 있다.

여기서, 'F'는 상수인 적합도 함수를 나타낸다.

도 4는 적합도에 따른 B/T(조각 발생당 빈 블록의 수)의 그래프로서, 적합도 함수가 고정되어 있으므로, B/T는 하나의 상수(C, Constant)로 수렴하게 된다.

따라서, 상기 그래프가 나타내는 테트리스 게임은 조각 발생 수당 빈 블록 의 수를 일정하게 유지하는 방향으로 진행하는 것임을 알 수 있으며, 해당 게임은 사용자가 게임을 하는 동안 발생된 블록의 수에 대하여 게임 보드 내의 빈 블록의 수를 일정하게 유지하는 방향으로 진행하게 된다.

그리고, 본 발명에서는 기존의 테트리스 게임에서 사용하던 난수 발생함수 인 'rand()'를 대치할 함수 'GA(I)'를 구현하여 조각을 발생시키며, 상기 함수 'GA(I)'의 입력 인자는 현재의 최종 라인(Last Lines), 제거 라인(Cleared Lines), 빈 블록(Blank Blocks)이며, 이것을 이용하여 적합도를 구하고 사용자 수준을 가늠하여 그에 해당하는 조각들을 출력하게 된다.

따라서, 게임의 진행 중 게임을 실행하기 위해 구동되는 모듈은, 적합도 함수에 따라 이미 제거된 라인을 포함한 최종라인까지의 빈 블록의 밀도를 기준으로 소정의 기준 밀도 이하에 해당하는지 여부로 사용자의 적응도를 판단하게 되며, 상기 판단 결과 난이도 조절이 필요한 경우 선택, 교배, 돌연변이 등의 연산자를 적용하여 사용자가 게임을 하는 동안 발생된 블록의 수에 대하여 게임 보드 내의 빈 블록의 수를 일정하게 유지하는 방향으로 새로운 세대를 구성한다. 그리고, 새로운 세대에 따라 게임 종료 요구가 있기까지 게임의 난이도 조절을 위한 새로운 유전자를 로딩하고 적용하여 게임을 진행한다.

그러면, 게임을 진행하기 위해 구동되는 모듈은 사용자의 수준에 맞는 유전자인 난이도 조절 요소를 이용하여 게임을 구현하게 되며, 이때 게임의 로직 부분에 상기 난이도 조절 요소를 삽입하여 게임의 진행 동안 지속적으로 사용자의 상태와 게임의 난이도를 조절하게 되므로, 기제작된 게임에도 적용 가능하다.

그리고, 상기 도 1에 나타난 바와 같이 유전자 알고리즘이 적용된 게임에서는 사용자가 게임 종료를 요구하기 전에는 별도의 게임 종료 조건이 존재하지 않는다.

이하에서는 본 발명이 적용된 게임에 대해 게임 숙련도가 다른 각 사용자를 대상으로 모의 실험을 수행한 결과를 설명하기로 한다.

모의 실험은 3가지 방법으로 나눠, 첫째는 무작위 사용자에 대한 실험으로 원본 게임과 본 발명을 적용한 게임의 결과를 비교한 실험, 둘째는 사용자를 초보 그룹과 숙련 그룹으로 나눠 결과의 차이를 비교한 실험, 마지막으로는 본 발명의 유전자 알고리즘의 성능을 좌우하는 요인 가운데 돌연 변이율을 변화시켜 실험을 진행한 것이다.

먼저, 무작위 사용자를 대상으로 한 실험의 경우, 무작위의 8명을 대상으로 원본 게임과 본 발명을 적용한 게임에 대하여 직접 게임을 진행하는 방식으로 진행하였는데, 실험에서 사용된 적합도 값은 발생된 블록의 수에 대해 3.8%와 5.7%의 비율로 빈 블록을 유지하도록 게임을 설계한 것이다.

도 5a는 본 발명을 적용하여 무작위 사용자를 대상으로 한 실험에서, 사용자가 제거한 라인 수에 대한 결과를 나타낸 그래프이며, 도 5b는 본 발명을 적용하여 무작위 사용자를 대상으로 한 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프이다.

도면에서 막대 그래프의 좌측은 원본 게임을 나타내고 중간과 우측은 각기 적합도가 3.8%, 5.7%인 게임에 대한 게임 결과를 나타낸 것으로, 사용자가 제거한 라인 수나 사용자가 플레이 하는 동안 발생한 총 조각의 수는 모두 사용자의 수준을 가늠할 척도로 사용 가능하다.

도 5a 및 도 5b의 각 그래프 모두에서 평균을 비교해 보면, 원본 게임에 비해 보다 낮아진 결과를 얻었으며 3.8% 보다는 5.7%의 적합도로 적용된 게임을 진행 할 때 사용자가 보다 어려워 하고 있음을 알 수 있다.

그리고, 두 그래프에서 우측의 분산을 보면, 유전자 알고리즘을 적용한 게임에 사용자 간의 분산이 점차 작아지는 것을 알 수 있는데, 이는 사용자 간의 실력 격차가 다소 줄어 들었음을 의미한다.

그리고, 분산의 결과를 통해 사용자의 수준은 특정의 난이도로 수렴되었으 며, 그 결과는 적합도에 의해 점차 낮아지는 방향으로 진행됨을 알 수 있다.

도 6a는 본 발명을 적용하여 초보 그룹과 숙련 그룹을 대상으로 한 실험에서, 사용자가 제거한 라인 수에 대한 결과를 나타낸 그래프이며, 도 6b는 본 발명을 적용하여 초보 그룹과 숙련 그룹을 대상으로 한 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프이다.

여기서, 원본 게임에 대하여 '사용자 A, B, C'는 제거 라인(Cleared Line)이 35개 미만이고 총 조각(Total Pieces)이 150개 미만인 사용자로 초보로 판단할 수 있는 사용자들이며, '사용자 D, E, F, G'는 제거 라인이 55개 이상, 총 조각이 200개 이상인 숙련 사용자이다.

두 그래프에서 총 조각에 대한 평균값을 보면 초보 그룹의 결과는 본 발명이 적용된 게임에서 서서히 증가하는 추세에 있으며, 숙련 그룹은 서서히 감소하는 추세에 있다는 것을 알 수 있다. 결과적으로, 5.7%의 적합도를 갖는 게임의 결과에서는, 초보 그룹과 숙련 그룹의 결과가 거의 비슷한 수치를 나타내고 있음을 볼 수 있다.

여기서, 각 그래프는 제거 라인과 총 조각의 두 관점에서 작성되었으나, 총 조각 보다는 제거 라인의 결과가 더 신뢰성이 있다. 왜냐하면, 제거 라인은 게임의 스코어와 직결되며 총 조각의 수는 플레이 시간과 관련이 있기 때문이다.

마지막으로, 유전자 알고리즘의 성능 좌우 인자 중 돌연변이율을 변화시킨 실험의 경우를 설명한다.

도 7은 본 발명을 적용하여 돌연변이율을 변화시킨 실험에서, 사용자가 플레이 하는 동안 발생한 총 조각의 수를 나타낸 그래프이다.

일반적 유전자 알고리즘에서 독립적으로 교배와 돌연변이 연산이 이루어지 는 것과는 구별되게, 본 발명의 유전자 알고리즘은 게임의 특성상 종료 조건이 없으며 교배와 돌연변이가 일정 비율로 수행되는 특징이 있다.

본 실험에서는 총 6명의 사용자를 대상으로 각각 5%, 10%, 그리고 15%의 비율로 돌연변이가 발생하도록 하였는데, 도 7에 도시된 바와 같이 총 조각 에 대한 평균에 있어서 10%의 결과 값이 가장 낮은 수치를 보이고 있는데, 이는 10%의 적합도의 경우가 가장 적합한 돌연변이율이라는 여타 논문의 결과를 확인하는 것이다.

본 발명의 기술 사상은 상기 바람직한 실시예에 따라 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술 분야의 통상의 전문가라면 본 발명의 기술 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다.

예컨대, 전술한 실시예에서는 대표적인 퍼즐 게임이라 할 수 있는 테트리스를 일례로 들어 설명하였으나, 본 발명은 비행 슈팅 게임, 액션 게임, 롤플레잉 게 임 등 다른 장르의 게임에도 적용된다.

전술한 본 발명은 인공지능기법의 하나인 유전자 알고리즘을 이용하여, 게임을 진행하는 사용자의 성향 및 게임에 대한 적응도에 따라 실시간으로 사용자의 수준에 맞는 게임의 난이도를 조절함으로써, 사용자 친화적으로 게임을 개발하여 초보자에게는 쉬운 난이도를, 숙련자에게는 보다 어려운 난이도를 제공하고, 그에 따라 사용자에게 게임의 흥미를 증대시키는 효과가 있으며, 이로 인하여 게임의 라이프 사이클 증대를 기대할 수 있다.

Claims (6)

1. 삭제
2. 삭제
3. 초기 게임 난이도 설정을 위한 초기 유전자를 로딩하는 단계;

   로딩된 상기 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성하는 단계;

   구성된 세대를 적용하여 게임을 진행하는 단계;

   게임을 진행하면서 적합도 함수에 따라 사용자(게임 수행자)의 적응도를 판단하는 단계;

   적응도 판단 결과에 응답하여 난이도 조절이 필요한지를 체크하는 단계;

   적응도 판단 결과, 난이도 조절이 필요함에 따라 연산자를 적용하여 새로운 세대를 구성하는 단계; 및

   상기 새로운 세대에 따라 게임의 난이도 조절을 위한 새로운 유전자를 로딩하는 단계

   를 포함하는 사용자 상호작용 게임 난이도 조절방법.
4. 제3항에 있어서,

   상기 새로운 유전자를 로딩하는 단계 수행 후,

   게임 종료 요구가 있는지를 체크하는 단계와,

   체크 결과, 게임 종료 요구가 없음에 따라 상기 구성된 세대를 적용하여 게임을 진행하는 단계로 돌아가는 단계를 더 포함하는 것을 특징으로 하는 사용자 상호작용 게임 난이도 조절방법.
5. 제3항에 있어서,

   상기 난이도 조절이 필요한지를 체크하는 단계 수행 후,

   적응도 판단 결과, 난이도 조절이 필요하지 않음에 따라 게임 종료 요구가 있기 전까지 기존의 세대를 이용하여 적용하여 게임을 진행하는 단계를 더 포함하는 것을 특징으로 하는 사용자 상호작용 게임 난이도 조절방법.
6. 게임을 실행하기 위한 프로세서를 구비한 시스템에,

   초기 게임 난이도 설정을 위한 초기 유전자를 로딩하는 기능;

   로딩된 상기 초기 유전자를 이용하여 초기 게임 난이도 조절 요소의 집합인 초기화 세대를 구성하는 기능;

   구성된 세대를 적용하여 게임을 진행하는 기능;

   게임을 진행하면서 적합도 함수에 따라 사용자(게임 수행자)의 적응도를 판단하는 기능;

   적응도 판단 결과에 응답하여 난이도 조절이 필요한지를 체크하는 기능;

   적응도 판단 결과, 난이도 조절이 필요함에 따라 연산자를 적용하여 새로운 세대를 구성하는 기능; 및

   상기 새로운 세대에 따라 게임의 난이도 조절을 위한 새로운 유전자를 로딩하는 기능

   을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images