KR102195471B1 - 게임 난이도 결정 방법 및 장치 - Google Patents

게임 난이도 결정 방법 및 장치 Download PDF

Info

Publication number
KR102195471B1
KR102195471B1 KR1020190107137A KR20190107137A KR102195471B1 KR 102195471 B1 KR102195471 B1 KR 102195471B1 KR 1020190107137 A KR1020190107137 A KR 1020190107137A KR 20190107137 A KR20190107137 A KR 20190107137A KR 102195471 B1 KR102195471 B1 KR 102195471B1
Authority
KR
South Korea
Prior art keywords
turn
game stage
game
optimal action
action sequence
Prior art date
Application number
KR1020190107137A
Other languages
English (en)
Inventor
석준홍
유상현
이경종
이재준
임현택
정민철
정장영
Original Assignee
주식회사 엔씨소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엔씨소프트 filed Critical 주식회사 엔씨소프트
Priority to KR1020190107137A priority Critical patent/KR102195471B1/ko
Application granted granted Critical
Publication of KR102195471B1 publication Critical patent/KR102195471B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F11/00—Game accessories of general use, e.g. score counters, boxes
    • A63F11/0074—Game concepts, rules or strategies
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F11/00—Game accessories of general use, e.g. score counters, boxes
    • A63F11/0074—Game concepts, rules or strategies
    • A63F2011/0076—Game concepts, rules or strategies with means for changing the level of difficulty

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

게임 난이도 결정 방법 및 장치가 개시된다. 일 실시예에 따른 게임 난이도 결정 방법은, 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하는 동작, 턴별 행동 평가 정보에 기초하여 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성하는 동작, 현재 전역 최적 행동 순서에 기초한 게임 스테이지 종료 여부에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성하는 동작, 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득하는 동작, 사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하는 동작 및 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 게임 스테이지에 대한 난이도를 결정하는 동작을 포함한다.

Description

게임 난이도 결정 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING DIFFICULTY LEVEL OF GAME}
개시되는 실시예들은 게임의 난이도를 결정하는 기술과 관련된다.
기존의 게임 난이도 결정 방식은 품질 보증(QA: Quality Assurance), 포커스 그룹 테스트(FGT: Focus Group Test), 비공개 베타 테스트(CBT: Closed Beta Test), 공개 베타 테스트(OBT: Open Beta Test), 소프트 런칭(Soft Launching) 등의 과정을 통해 획득된 게임 유저의 게임 플레이 데이터를 이용하여 게임 난이도를 결정한다. 이후, 게임을 정식 출시한 경우, 게임 유저의 게임 플레이 데이터를 주기적으로 획득하여 패치나 업데이트를 통해 게임 스테이지의 난이도를 수정한다.
하지만, 기존의 게임 난이도 결정 방식은 필연적으로 일정 수의 게임 유저들을 모아서 막대한 비용과 시간을 들여가며 테스트해야 한다. 또한, 기존의 게임 난이도 결정 방식은 회사 내부의 소규모 인원, 잦은 기획 변경, 개발 진행에 따른 회사 내부 인원들의 게임 실력 상승 등으로 인해 불안정하고 불확실한 결과를 출력하는 문제점이 있다.
한편, 칩 교환을 통해 동일한 형태의 칩을 3개 이상 매칭시켜 없애는 방식으로 진행되는 3매치 퍼즐 게임의 경우, 게임 내 확률적인 요소가 많기 때문에 칩 교환 행동에 의한 다음 상태를 예측하는 것이 매우 어렵다. 게다가 중력 방향 제어가 가능한 3 매치 퍼즐 게임은 단순히 칩 교환이라는 행동뿐만 아니라 칩 낙하 방향을 전환할 수 있는 중력 방향 전환이라는 새로운 행동도 추가된다.
따라서, 이러한 3매치 퍼즐 게임의 특성을 고려한 게임 난이도 결정 방식의 필요성이 요구된다.
개시되는 실시예들은 게임 난이도 결정 방법 및 장치를 제공하기 위한 것이다.
일 실시예에 따른 게임 난이도 결정 방법은, 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하는 동작, 턴별 행동 평가 정보에 기초하여 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성하는 동작, 현재 전역 최적 행동 순서에 기초한 게임 스테이지 종료 여부에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성하는 동작, 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득하는 동작, 사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하는 동작 및 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 게임 스테이지에 대한 난이도를 결정하는 동작을 포함한다.
턴별 행동 평가 정보는, 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 각각에 대한 평가 값, 선택 횟수 및 고유 선택 비중 중 적어도 하나를 포함할 수 있다.
하나 이상의 후보 행동은, 중력 방향 전환 및 칩 교환 중 적어도 하나를 포함할 수 있다.
턴별 행동 평가 정보를 생성하는 동작은, 게임 스테이지의 매 턴마다 하나 이상의 후보 행동 중 하나를 선택하여 게임 스테이지를 수행하는 동작, 게임 스테이지의 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신하는 동작, 게임 스테이지 성공 여부에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하는 동작, 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수 및 평가 값에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출하는 동작 및 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행하지 못한 경우, 게임 스테이지 수행, 선택 횟수 갱신, 평가 값 산출 및 고유 선택 비중 산출을 반복 수행하는 동작을 포함할 수 있다.
게임 스테이지를 수행하는 동작은, 선택 횟수에 기초하여, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하는 경우, 선택되지 않은 하나 이상의 후보 행동 중 하나를 선택하고, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하지 않는 경우, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 각각에 대한 고유 선택 비중에 기초하여 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 하나를 선택할 수 있다.
평가 값을 산출하는 동작은, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족된 경우, 잔여 턴 수에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되지 않은 경우, 성공 조건 만족을 위한 잔여 임무량에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다.
현재 전역 최적 행동 순서를 생성하는 동작은, 게임 스테이지 성공 여부 및 잔여 턴 수에 기초하여 턴별 행동 평가 정보 생성을 위한 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 국소 최적 행동 순서를 결정하는 동작 및 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 현재 전역 최적 행동 순서에 포함시켜 현재 전역 최적 행동 순서를 확장시키는 동작을 포함할 수 있다.
국소 최적 행동 순서를 결정하는 동작은, 복수의 행동 순서 중 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되고, 잔여 턴 수가 최저인 행동 순서를 국소 최적 행동 순서로 결정할 수 있다.
최종 전역 최적 행동 순서를 생성하는 동작은, 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되지 않는 경우, 확장된 현재 전역 최적 행동 순서에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하고, 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는 경우, 확장된 현재 전역 최적 행동 순서를 최종 전역 최적 행동 순서로 결정할 수 있다.
사전 설정된 반복 수행 종료 조건은, 최종 전역 최적 행동 순서에 기초한 게임 스테이지 성공 여부 및 기 설정된 제2 반복 수행 횟수 중 적어도 하나를 포함하고, 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하는 동작은, 사전 설정된 반복 수행 종료 조건을 만족하지 못한 경우, 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행할 수 있다.
최적 행동 기반 수행 결과는, 게임 스테이지 성공 여부 및 잔여 턴 수 중 적어도 하나를 포함하고, 난이도를 결정하는 동작은, 사전 설정된 반복 수행 종료 조건을 만족하는 경우, 게임 스테이지에 대한 성공 조건 최초 만족 시까지 수행된 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 성공 조건 최초 만족 시 잔여 턴 수 및 게임 스테이지에 대한 성공률 중 적어도 하나에 기초하여 난이도를 결정할 수 있다.
일 실시예에 따른 게임 난이도 결정 장치는, 하나 이상의 명령어를 저장하는 메모리 및 하나 이상의 명령어를 실행하는 하나 이상의 프로세서를 포함하고, 하나 이상의 프로세서는, 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하고, 턴별 행동 평가 정보에 기초하여 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성하고, 현재 전역 최적 행동 순서에 기초한 게임 스테이지 종료 여부에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성하고, 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득하고, 사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하고, 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 게임 스테이지에 대한 난이도를 결정한다.
턴별 행동 평가 정보는, 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 각각에 대한 평가 값, 선택 횟수 및 고유 선택 비중 중 적어도 하나를 포함할 수 있다.
하나 이상의 후보 행동은, 중력 방향 전환 및 칩 교환 중 적어도 하나를 포함할 수 있다.
하나 이상의 프로세서는, 턴별 행동 평가 정보를 생성할 때, 게임 스테이지의 매 턴마다 하나 이상의 후보 행동 중 하나를 선택하여 게임 스테이지를 수행하고, 게임 스테이지의 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신하고, 게임 스테이지 성공 여부에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고, 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수 및 평가 값에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출하고, 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행하지 못한 경우, 게임 스테이지 수행, 선택 횟수 갱신, 평가 값 산출 및 고유 선택 비중 산출을 반복 수행할 수 있다.
하나 이상의 프로세서는, 게임 스테이지를 수행할 때, 선택 횟수에 기초하여, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하는 경우, 선택되지 않은 하나 이상의 후보 행동 중 하나를 선택하고, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하지 않는 경우, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 각각에 대한 고유 선택 비중에 기초하여 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 하나를 선택할 수 있다.
하나 이상의 프로세서는, 평가 값을 산출할 때, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족된 경우, 잔여 턴 수에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되지 않은 경우, 성공 조건 만족을 위한 잔여 임무량에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다.
하나 이상의 프로세서는, 현재 전역 최적 행동 순서를 생성할 때, 게임 스테이지 성공 여부 및 잔여 턴 수에 기초하여 턴별 행동 평가 정보 생성을 위한 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 국소 최적 행동 순서를 결정하고, 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 현재 전역 최적 행동 순서에 포함시켜 현재 전역 최적 행동 순서를 확장시킬 수 있다.
하나 이상의 프로세서는, 국소 최적 행동 순서를 결정할 때, 복수의 행동 순서 중 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되고, 잔여 턴 수가 최저인 행동 순서를 국소 최적 행동 순서로 결정할 수 있다.
하나 이상의 프로세서는, 최종 전역 최적 행동 순서를 생성할 때, 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되지 않는 경우, 확장된 현재 전역 최적 행동 순서에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하고, 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는 경우, 확장된 현재 전역 최적 행동 순서를 최종 전역 최적 행동 순서로 결정할 수 있다.
사전 설정된 반복 수행 종료 조건은, 최종 전역 최적 행동 순서에 기초한 게임 스테이지 성공 여부 및 기 설정된 제2 반복 수행 횟수 중 적어도 하나를 포함하고, 하나 이상의 프로세서는, 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행할 때, 사전 설정된 반복 수행 종료 조건을 만족하지 못한 경우, 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행할 수 있다.
최적 행동 기반 수행 결과는, 게임 스테이지 성공 여부 및 잔여 턴 수 중 적어도 하나를 포함하고, 하나 이상의 프로세서는, 난이도를 결정할 때, 사전 설정된 반복 수행 종료 조건을 만족하는 경우, 게임 스테이지에 대한 성공 조건 최초 만족 시까지 수행된 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 성공 조건 최초 만족 시 잔여 턴 수 및 게임 스테이지에 대한 성공률 중 적어도 하나에 기초하여 난이도를 결정할 수 있다.
개시되는 실시예들에 따르면, 게임 스테이지에 대한 반복 수행을 통해 생성된 게임 스테이지에 대한 턴별 행동 평가 정보에 기초하여 게임의 난이도를 결정함으로써, 사용자의 게임 플레이 데이터가 존재하지 않아도 게임의 난이도를 결정할 수 있다.
이에 따라, 수작업에 의한 게임 난이도 결정 방식과 달리 자동으로 수행된 게임 스테이지에 대한 복수의 수행 결과에 기초하여 게임의 난이도를 결정하기 때문에 게임 난이도 결정 결과의 정확도를 높일 수 있다. 또한, 게임의 내용이 변경되는 경우, 변경된 게임 내용을 곧바로 반영하여 게임의 난이도를 결정함으로써, 게임의 난이도를 신속하게 확인할 수 있다.
또한, 개시되는 실시예들에 따르면, 턴별 행동 평가 정보에 기초하여 게임의 난이도를 결정하기 위한 최적의 행동 순서를 생성함으로써, 확률성과 비가역성을 가지는 게임의 난이도를 정확하게 결정할 수 있다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다.
도 2는 일 실시예에 따른 게임 난이도 결정 방법의 순서도이다.
도 3은 일 실시예에 따른 턴별 행동 평가 정보를 생성하는 방법의 순서도이다.
도 4는 일 실시예에 따른 턴별 후보 행동을 선택하는 방법의 순서도이다.
도 5는 일 실시예에 따른 턴별 행동 평가 정보의 예시도이다.
도 6 및 도 7은 일 실시예에 따른 턴별 후보 행동을 선택하는 예를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 선택된 턴별 후보 행동을 평가하는 예를 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 최종 전역 최적 행동 순서를 생성하는 방법의 순서도이다.
도 10은 일 실시예에 따른 국소 최적 행동 순서에 포함된 턴별 후보 행동 중 특정 턴의 후보 행동을 현재 전역 최적 행동 순서에 포함시키는 예를 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률 사이의 관계를 나타낸 그래프이다.
도 12는 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 순위 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률 순위 사이의 관계를 나타낸 그래프이다.
도 13은 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률을 비교하는 그래프이다.
도 14는 일 실시예에 따른 게임 난이도 결정 방법에 기초하여 예측된 사용자의 게임 스테이지 성공률을 나타낸 그래프이다.
이하, 도면을 참조하여 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 이에 제한되지 않는다.
실시예들을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 또한, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
이하에서 "게임"이란, 한 명 또는 그 이상의 게이머들이 게이밍 디바이스에 탑재되거나 연결된 입력장치를 이용하여 즐길 수 있는 소프트웨어를 의미한다. 통상 플레이어 캐릭터를 직접 조작하거나, 게임 내 오브젝트의 움직임을 조작하는 등의 방식으로 진행되며, 롤플레잉, 어드벤쳐, 아케이드 등으로 장르가 구분되기도 한다.
이하에서 "게이밍 디바이스"란 게임 소프트웨어를 실행하되 입력장치를 통한 사용자의 입력에 따라 연산을 수행하며, 출력장치를 통해 결과를 출력하는 하드웨어를 의미한다. 예컨대, 개인용 컴퓨터(Personal Computer), 랩탑(Laptop Computer), 게임 콘솔(Game Console), 스마트폰(Smart Phone), 타블렛(Tablet) PC, 스마트 밴드(Smart Band)나 스마트 와치(Smart Watch) 등의 웨어러블 디바이스(Wearable Device)의 형태일 수 있다. 이외에도 상술한 정의를 만족하는 하드웨어라면 게이밍 디바이스에 속하는 것으로 해석된다.
이하에서 "온라인 게임"이란, 게임의 플레이를 위하여 네트워크를 경유하여야 하는 게임을 의미한다. 통상 원격지의 둘 이상의 게이밍 디바이스가 네트워크를 통해 서로 연결되거나, 서버를 통해 동기화되어 즐기는 게임을 의미한다. 상술한 정의를 만족하는 것이라면 게임을 실행하는 게이밍 디바이스의 형태에 제한을 두지 아니한다. 개인용 컴퓨터나 게임 콘솔에서 실행되는 게임뿐만 아니라, 스마트폰과 같은 모바일에서 실행되는 게임, 또는 서로 다른 복수개의 게이밍 디바이스(서로 다른 종류의 게이밍 디바이스도 포함한다)가 연동되거나 클라우드에서 실행되는 게임 또한 상술한 정의를 만족하는 것이라면 온라인게임에 속하는 것으로 해석된다.
이하에서 "입력장치(InputDevice)"란, 게이밍 디바이스에 데이터를 입력하기 위한 장치를 의미한다. 예컨대, 조이스틱, 마우스, 키보드, 터치스크린, 하드웨어버튼 또는 스티어링 휠, 악기, 총, 장갑, 발판 등의 형태로 제조된 게임 조작 전용 입력장치를 들 수 있다. 이외에도 게이밍 디바이스에 탑재되거나 연동되는 각종 센서(온도센서, 적외선 센서, 모션센서, 자이로 센서, 가속도 센서, 중력센서 등)나 글로벌 포지셔닝 시스템(GPS; Global Positioning System), 실내 위치 확인 시스템(Indoor Positioning System)등의 위치 확인 수단 또한 입력장치의 일 예로 들 수 있다.
이하에서 "출력장치(OutputDevice)"란, 게이밍 디바이스의 연산결과를 표시하기 위한 장치를 의미한다. 연산결과는 인간의 오감을 이용하여 인지될 수 있는 형태로 표시된다. 반드시 시각이나 청각적으로 표시되는 경우로 한정되지 않으며 후각적, 촉각적 형태로 표시될 수도 있다. 예컨대, 스피커나 모니터, 헤드마운티드 디스플레이와 같은 전형적인 하드웨어가 상술한 정의를 만족하지만, 이외에도 3D 프린터와 같이 촉각적 형태로 출력하거나, 진동이나 향기, 바람을 발생시키는 장치 또한 출력장치의 일 예가 될 수 있다.
상술한 입력장치 및 출력장치는 게이밍 디바이스의 일 요소로서 게이밍 디바이스에 포함될 수도 있고, 게이밍 디바이스와 별도의 유선 또는 무선 인터페이스를 통하여 연결될 수도 있다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 개시되는 실시예들에 따른 게임 난이도 결정 장치일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
도 2는 일 실시예에 따른 게임 난이도 결정 방법의 순서도이다.
일 실시예에서, 게임 난이도 결정 방법은 중력 방향 전환 행동 및 칩 교환 행동을 통해 게임 스테이지에 대한 성공 조건을 만족하도록 진행되는 3매치 퍼즐 게임의 난이도를 결정하기 위한 것일 수 있다. 구체적으로, 게임 난이도 결정 방법은 3매치 퍼즐 게임에 포함된 복수의 게임 스테이지 각각의 게임 난이도를 결정하기 위한 것일 수 있다.
이때, 칩 교환 행동은 게임 스테이지에 포함된 복수의 칩 중 특정 칩을 해당 칩을 제외한 다른 칩들 중 하나와 교환하는 행동이다. 예를 들어, 칩 교환 행동은 복수의 칩 중 특정 칩을 해당 칩의 상, 하, 좌, 우에 위치한 다른 칩들 중 하나와 교환하는 것을 포함할 수 있으나, 반드시 이에 한정되는 것은 아니고, 칩 교환 방식은 게임의 종류 또는 장르에 따라 다양할 수 있다.
중력 방향 전환 행동은 칩 교환을 통해 동일한 칩을 3개 이상 매칭시켜 매칭된 칩들이 제거되는 경우, 제거된 칩들이 존재하던 위치를 채우기 위한 새로운 칩이 낙하하는 방향을 전환할 수 있는 행동이다.
한편, 상술한 예에서 게임 난이도 결정 방법은 3매치 퍼즐 게임의 난이도를 결정하기 위한 것으로 예시하였으나, 반드시 이에 한정되는 것은 아니고, 다양한 종류 또는 장르의 게임에 대한 난이도를 결정하는데 적용될 수 있다.
도 2에 도시된 방법은 예를 들어, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치(12)에 의해 수행될 수 있다. 도시된 흐름도에서는 게임 난이도 결정 방법을 복수 개의 동작으로 나누어 기재하였으나, 적어도 일부의 동작들은 순서를 바꾸어 수행되거나, 다른 동작과 결합되어 함께 수행되거나, 생략되거나, 세부 동작들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 동작이 부가되어 수행될 수 있다.
도 2를 참조하면, 동작 210에서, 컴퓨팅 장치(12)는 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 턴별 행동 평가 정보를 생성한다.
일 실시예에서, 사용자는 게임에 포함된 복수의 게임 스테이지 중 난이도를 결정하기 위한 게임 스테이지를 선택할 수 있다. 또한, 사용자는 선택된 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하기 위한 게임 스테이지의 제1 반복 수행 횟수를 설정할 수 있다. 이에 따라, 컴퓨팅 장치(12)는 턴별 행동 평가 정보를 생성할 때, 사용자에 의해 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 반복 수행할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다 게임 스테이지를 초기화하고, 초기화된 게임 스테이지를 다시 수행하는 방식으로 게임 스테이지를 반복 수행할 수 있다. 이때, 게임 스테이지는 게임 스테이지에 대한 성공 조건을 만족하거나, 게임 스테이지에서 선택된 행동의 수가 게임 스테이지에 설정된 제한 턴 수를 초과하는 경우에 종료된다.
이후, 컴퓨팅 장치(12)는 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 수행 결과 예를 들어, 게임 스테이지 성공 여부, 잔여 턴 수 등에 기초하여 턴별 행동 평가 정보를 생성할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 게임 스테이지에 대한 수행이 종료될 때마다 해당 수행 결과에 기초하여 해당 게임 스테이지에서 선택된 후보 행동들을 평가하여 턴별 행동 평가 정보를 생성할 수 있다.
이와 같이, 컴퓨팅 장치(12)는 게임 스테이지의 반복 수행을 통해 획득된 복수의 수행 결과에 기초하여 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동을 평가함으로써, 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 중 게임 스테이지에 대한 수행 결과가 좋은 행동들을 파악할 수 있다.
한편, 턴별 행동 평가 정보는 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 반복 수행하는 과정에서 게임 스테이지의 매 턴마다 선택된 행동을 평가한 것일 수 있다. 예를 들어, 턴별 행동 평가 정보는 수형도 형태의 게임 트리(game tree)를 포함할 수 있다.
일 실시예에서, 턴별 행동 평가 정보는 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 각각에 대한 평가 값, 선택 횟수 및 고유 선택 비중 중 적어도 하나를 포함할 수 있다.
이때, 하나 이상의 후보 행동은 예를 들어, 중력 방향 전환 및 칩 교환 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 컴퓨팅 장치(12)는 게임 스테이지의 매 턴마다 한번의 중력 방향 전환 행동 및 한번의 칩 교환 행동을 수행할 수 있다.
평가 값은 게임 스테이지에 대한 수행 결과 하나 이상의 후보 행동 각각을 평가한 것일 수 있다.
선택 횟수는 게임 스테이지를 반복 수행하는 과정에서 하나 이상의 후보 행동 각각이 선택된 횟수일 수 있다.
고유 선택 비중은 하나 이상의 후보 행동 각각에 대한 평가 값 및 선택 횟수에 기초하여 산출된 것일 수 있다. 예를 들어, 고유 선택 비중이 높은 후보 행동일수록 선택 횟수 대비 평가 값이 높고, 고유 선택 비중이 낮은 후보 행동일수록 선택 횟수 대비 평가 값이 높은 것일 수 있다.
동작 220에서, 컴퓨팅 장치(12)는 턴별 행동 평가 정보에 기초하여 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성한다.
일 실시예에서, 컴퓨팅 장치(12)는 턴별 행동 평가 정보 생성을 위한 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 국소 최적 행동 순서를 결정하고, 결정된 국소 최적 행동 순서에 기초하여 전역 최적 행동 순서를 생성할 수 있다.
이때, 행동 순서는 게임 스테이지를 수행할 때, 게임 스테이지의 매 턴에서 선택된 후보 행동을 순서대로 배열한 정보일 수 있다.
국소 최적 행동 순서는 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 수행 결과가 가장 좋은 행동 순서일 수 있다.
전역 최적 행동 순서는 하나 이상의 국소 최적 행동 순서에서 추출된 행동들로 구성된 행동 순서일 수 있다. 개시되는 실시예에서, 전역 최적 행동 순서는 현재 전역 최적 행동 순서와 최종 전역 최적 행동 순서를 포함할 수 있다. 현재 전역 최적 행동 순서는 최종 전역 최적 행동 순서가 결정되기 전에 대한 전역 최적 행동 순서이고, 최종 전역 최적 행동 순서는 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는 시점의 전역 최적 행동 순서이다.
구체적으로, 컴퓨팅 장치(12)는 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 수행 결과가 가장 좋은 행동 순서를 국소 최적 행동 순서로 결정할 수 있다. 이후, 컴퓨팅 장치(12)는 국소 최적 행동 순서에 포함된 턴별 후보 행동 중 하나를 선택하여 현재 전역 최적 행동 순서에 포함시켜 현재 전역 최적 행동 순서를 확장시킬 수 있다. 이때, 현재 전역 최적 행동 순서는 컴퓨팅 장치(12)에 포함된 메모리에 저장될 수 있다.
동작 230에서, 컴퓨팅 장치(12)는 현재 전역 최적 행동 순서에 기초한 게임 스테이지 종료 여부에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성할 수 있다.
일 실시예에서, 컴퓨팅 장치(12)는 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는지 여부를 판단할 수 있다. 이때, 컴퓨팅 장치(12)는 판단 결과에 기초하여 현재 전역 최적 행동 순서를 확장하거나, 최종 전역 최적 행동 순서를 결정할 수 있다.
예를 들어, 컴퓨팅 장치(12)는 판단 결과 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되지 않는 경우, 상술한 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하여 현재 전역 최적 행동 순서를 확장할 수 있다. 이와 달리, 컴퓨팅 장치(12)는 판단 결과 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는 경우, 현재 전역 최적 행동 순서를 최종 전역 최적 행동 순서로 결정할 수 있다. 이에 대한 자세한 설명은 후술할 도 9에서 설명하도록 한다.
한편, 상술한 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하는 동안에는 게임 스테이지에 설정된 시드가 동일할 수 있다. 이때, 시드는 칩 교환을 통해 동일한 칩 3개 이상을 매칭시킨 경우에 낙하하는 새로운 칩들 각각의 종류를 의미할 수 있다.
예를 들어, 최종 전역 최적 행동 순서를 생성하는 과정에서 수행된 제1 게임 플레이에서 제1 행동을 수행하여 네모 형태의 칩, 세모 형태의 칩 및 동그라미 형태의 칩이 순서대로 낙하한 것으로 가정한다. 이후, 최종 전역 최적 행동 순서를 생성하는 과정에서 수행된 제2 게임 플레이에서 상술한 제1 행동을 수행하는 경우, 상술한 제1 게임 플레이와 동일하게 네모 형태의 칩, 세모 형태의 칩 및 동그라미 형태의 칩이 순서대로 낙하할 수 있다.
동작 240에서, 컴퓨팅 장치(12)는 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득한다.
이때, 최적 행동 기반 수행 결과는 최종 전역 최적 행동 순서에 기초하여 게임 스테이지를 수행하여 획득된 결과를 의미한다. 예를 들어, 최적 행동 기반 수행 결과는 최종 전역 최적 행동 순서에 기초하여 게임 스테이지 성공 여부 및 게임 스테이지 성공 시 잔여 턴 수 중 적어도 하나를 포함할 수 있다.
동작 250에서, 컴퓨팅 장치(12)는 사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행한다.
일 실시예에서, 반복 수행 종료 조건은 최종 전역 최적 행동 순서에 기초한 게임 스테이지 성공 여부 및 기 설정된 제2 반복 수행 횟수 중 적어도 하나를 포함할 수 있다. 이때, 기 설정된 제2 반복 수행 횟수는 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 횟수일 수 있다.
예를 들어, 사용자는 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 성공 조건이 최초로 만족할 때까지 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하거나, 기 설정된 제2 반복 수행 횟수만큼 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행하도록 하기 위한 반복 수행 종료 조건을 설정할 수 있다. 다만, 상술한 예시는 반복 수행 종료 조건의 일 예시에 불과하며, 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 수행 여부를 결정하기 위한 반복 수행 종료 조건은 사용자의 설정에 따라 다양할 수 있다.
컴퓨팅 장치(12)는 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 완료할 때마다 반복 수행 종료 조건을 만족하는지 여부를 판단할 수 있다.
이때, 사전 설정된 반복 수행 종료 조건을 만족하지 못한 경우, 컴퓨팅 장치(12)는 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행할 수 있다. 이 경우, 컴퓨팅 장치(12)는 기 생성된 턴별 행동 평가 정보, 현재 전역 최적 행동 순서 및 최종 전역 최적 행동 순서를 모두 초기화한 후 턴별 행동 평가 정보 생성, 현재 전역 최적 행동 순서 생성 및 최종 전역 최적 행동 순서 생성을 다시 수행하고, 재생성된 최종 전역 최적 행동 순서에 기초하여 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득할 수 있다.
이와 달리, 반복 수행 종료 조건을 만족하는 경우, 컴퓨팅 장치(12)는 반복 수행을 종료하고 게임 스테이지에 대한 난이도를 결정할 수 있다.
한편, 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 반복 수행할 때마다, 컴퓨팅 장치(12)는 게임 스테이지에 설정된 시드를 갱신한 후 갱신된 시드가 설정된 게임 스테이지에 대해 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득을 수행할 수 있다.
동작 260에서, 컴퓨팅 장치(12)는 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 게임 스테이지에 대한 난이도를 결정한다.
일 실시예에서, 컴퓨팅 장치(12)는 사전 설정된 반복 수행 종료 조건을 만족하는 경우, 게임 스테이지에 대한 성공 조건 최초 만족 시까지 수행된 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 성공 조건 최초 만족 시 잔여 턴 수 및 게임 스테이지에 대한 성공률 중 적어도 하나에 기초하여 난이도를 결정할 수 있다.
구체적으로, 컴퓨팅 장치(12)는 사용자로부터 게임 스테이지에 대한 난이도 결정 방식을 입력받을 수 있다. 예를 들어, 사용자는 게임 스테이지에 대한 성공 조건을 최초로 만족할 때까지 수행된 최종 전역 최적 행동 순서 생성 및 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 게임 스테이지에 대한 성공 조건을 최초로 만족 시 잔여 턴 수 및 게임 스테이지에 대한 성공률 중 하나를 선택하여 게임 스테이지에 대한 난이도를 결정하기 위한 기준으로 설정할 수 있다. 따라서, 컴퓨팅 장치(12)는 사용자에 의해 설정된 난이도 결정 방식을 기준으로 하여 게임 스테이지에 대한 난이도를 결정할 수 있다.
또한, 일 실시예에서, 컴퓨팅 장치(12)는 복수의 사용자 각각의 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지에 대한 난이도를 획득할 수 있다. 이때, 컴퓨팅 장치(12)는 사용자 플레이 데이터에 기초하여 결정된 난이도와 상술한 게임 난이도 결정 방법을 통해 결정된 난이도를 비교하고, 사용자 플레이 데이터에 기초하여 결정된 난이도 및 게임 난이도 결정 방법을 통해 결정된 난이도 사이의 상관 관계 정보를 생성할 수 있다. 이때, 상관 관계 정보는 예를 들어, 피어슨 적률상관계수(Pearson's product moment correlation coefficient), 스피어만 등위상관계수(Spearman's rank order correlation coefficient) 등과 같이 기 공지된 다양한 형태의 상관 계수 값을 포함할 수 있다.
도 3은 일 실시예에 따른 턴별 행동 평가 정보를 생성하는 방법의 순서도이다.
도 3에 도시된 방법은 예를 들어, 도 1에 도시된 컴퓨팅 장치(12)에 의해 수행될 수 있다.
도 3을 참조하면, 동작 310에서, 컴퓨팅 장치(12)는 게임 스테이지의 매 턴마다 하나 이상의 후보 행동 중 하나를 선택하여 게임 스테이지를 수행할 수 있다.
컴퓨팅 장치(12)는 사전 설정된 제1 반복 수행 횟수에 기초하여 게임 스테이지를 수행할 때, 게임 스테이지의 매 턴마다 선택 가능한 하나 이상의 후보 행동 중 하나를 선택할 수 있다. 구체적으로, 컴퓨팅 장치(12)는 매 턴마다 선택 가능한 하나 이상의 중력 방향 전환 후보 행동 및 하나 이상의 칩 교환 후보 행동을 각각 하나씩 선택할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 매 턴마다 선택 가능한 하나 이상의 중력 방향 전환 후보 행동 중 하나를 선택한 후 선택 가능한 하나 이상의 칩 교환 후보 행동 중 하나를 선택할 수 있다.
이때, 컴퓨팅 장치(12)는 매 턴마다 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 한번도 선택되지 않은 후보 행동을 우선적으로 선택하도록 게임 스테이지를 수행할 수 있다. 또한, 컴퓨팅 장치(12)는 매 턴마다 선택 가능한 하나 이상의 후보 행동이 모두 이전의 게임 스테이지에서 한번 이상 선택된 경우, 선택 가능한 하나 이상의 행동 중 평가가 가장 높은 후보 행동을 선택하도록 게임 스테이지를 수행할 수 있다. 즉, 컴퓨팅 장치(12)는 이전의 게임 플레이에서 한번도 선택되지 않은 후보 행동을 우선적으로 선택하면서 턴별 행동 평가 정보를 확장시키고, 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 수행 결과를 누적해나가면서 게임 스테이지의 매 턴에서 선택 가능한 후보 행동들에 대한 평가를 누적해나갈 수 있다.
동작 320에서, 컴퓨팅 장치(12)는 게임 스테이지의 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신할 수 있다.
일 실시예에서, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다 해당 게임 플레이에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다, 해당 게임 플레이에서 선택된 후보 행동에 대한 선택 횟수를 하나씩 증가시킬 수 있다. 이와 달리, 컴퓨팅 장치(12)는 하나 이상의 후보 행동 중 해당 게임 플레이에서 선택되지 않은 후보 행동의 선택 횟수를 기존과 동일하게 유지할 수 있다.
동작 330에서, 컴퓨팅 장치(12)는 게임 스테이지 성공 여부에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다.
구체적으로, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다 해당 게임 플레이에서 선택된 후보 행동에 대한 평가 값을 산출할 수 있다. 이때, 컴퓨팅 장치(12)는 게임 스테이지 성공 여부에 따라 상이한 방식으로 평가 값을 산출할 수 있다.
일 실시예에서, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족된 경우, 컴퓨팅 장치(12)는 잔여 턴 수에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 게임 스테이지 성공 시 잔여 턴 수를 반영하여 매 턴에서 선택된 후보 행동 각각에 평가 값을 산출할 수 있다.
이와 달리, 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되지 않은 경우, 컴퓨팅 장치(12)는 성공 조건 만족을 위한 잔여 임무량에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 게임 스테이지 실패 시 성공 조건 만족을 위한 잔여 임무량을 반영하여 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출할 수 있다.
한편, 게임 스테이지 수행 시 선택되지 않은 후보 행동은 기존의 평가 값을 유지하게 된다.
동작 340에서, 컴퓨팅 장치(12)는 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수 및 평가 값에 기초하여 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출할 수 있다.
구체적으로, 컴퓨팅 장치(12)는 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출한 후, 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출할 수 있다.
일 실시예에서, 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중은 아래의 수학식 1을 이용하여 산출될 수 있다.
[수학식 1]
Figure 112019089391903-pat00001
(이때,
Figure 112019089391903-pat00002
)
수학식 1에서 s는 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중, x는 매 턴에서 선택된 후보 행동 각각에 대한 평가 값, n은 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수, t는 게임 스테이지에 대한 반복 수행 중 현재 수행 순서를 의미한다.
일 실시예에서, 컴퓨팅 장치(12)는 게임 스테이지 수행, 선택 횟수 갱신, 평가 값 산출 및 고유 선택 비중 산출을 반복 수행할 수 있다.
예를 들어, 컴퓨팅 장치(12)는 사용자에 의해 사전 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행할 때까지 게임 스테이지 수행, 선택 횟수 갱신, 평가 값 산출 및 고유 선택 비중 산출을 반복 수행할 수 있다.
구체적으로, 동작 350에서, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다 매 턴에서 선택된 후보 행동을 평가한 후, 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행했는지 여부를 판단할 수 있다. 컴퓨팅 장치(12)는 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행하지 않은 것으로 판단하는 경우, 다시 동작 310 내지 340을 반복 수행할 수 있다. 이와 달리, 컴퓨팅 장치(12)는 기 설정된 제1 반복 수행 횟수만큼 게임 스테이지를 수행한 것으로 판단하는 경우, 턴별 행동 평가 정보를 생성하는 동작을 종료하고, 현재 전역 최적 행동 순서를 생성하는 동작을 수행할 수 있다.
도 4는 일 실시예에 따른 턴별 후보 행동을 선택하는 방법의 순서도이다.
도 4에 도시된 방법은 예를 들어, 도 1에 도시된 컴퓨팅 장치(12)에 의해 수행될 수 있다.
도 4를 참조하면, 동작 410에서, 컴퓨팅 장치(12)는 선택 횟수에 기초하여 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 플레이에서 선택되지 않은 하나 이상의 후보 행동이 존재하는지 여부를 판단할 수 있다.
만약 동작 410에서의 판단 결과 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하는 경우, 동작 420에서 컴퓨팅 장치(12)는 선택되지 않은 하나 이상의 후보 행동 중 하나를 선택할 수 있다.
예를 들어, 컴퓨팅 장치(12)는 기 설정된 제1 반복 수행 횟수에 기초하여 게임 스테이지에 대한 제1 게임 플레이를 수행하던 중에 게임 스테이지의 제1 턴에서 선택 가능한 제1 후보 행동, 제2 후보 행동 및 제3 후보 행동 중 제1 후보 행동을 선택한 것으로 가정한다. 이때, 컴퓨팅 장치(12)는 게임 스테이지에 대한 제2 게임 플레이에서 제1 턴에 도달하는 경우, 제1 게임 플레이에서 선택된 제1 후보 행동을 제외한 제2 후보 행동 및 제3 후보 행동 중 하나를 선택할 수 있다. 이때, 일 실시예에서, 컴퓨팅 장치(12)는 선택되지 않은 하나 이상의 후보 행동 중 하나를 임의로 선택하거나, 탐욕 알고리즘(Greedy Algorithm)을 이용하여 선택할 수 있다.
이와 달리, 동작 410에서의 판단 결과 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하지 않는 경우, 동작 430에서 컴퓨팅 장치(12)는 현재 턴에서 선택 가능한 하나 이상의 후보 행동 각각에 대한 고유 선택 비중에 기초하여 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 하나를 선택할 수 있다.
예를 들어, 컴퓨팅 장치(12)는 현재 턴에서 선택 가능한 하나 이상의 후보 행동이 각각 이전의 게임 플레이에서 한번 이상 선택된 경우, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 고유 선택 비중이 가장 높은 후보 행동을 선택할 수 있다.
도 5 내지 도 8은 턴별 행동 평가 정보를 생성하는 예를 설명하기 위한 도면들이다. 일 실시예에서, 도 5 내지 도 8에 도시된 턴별 행동 평가 정보는 수형도 형태의 게임 트리(Game Tree)일 수 있다.
구체적으로, 도 5는 일 실시예에 따른 턴별 행동 평가 정보의 예시도이다. 도 6 및 도 7은 일 실시예에 따른 턴별 후보 행동을 선택하는 예를 설명하기 위한 도면이다. 도 8은 일 실시예에 따른 선택된 턴별 후보 행동을 평가하는 예를 설명하기 위한 도면이다.
도 5를 참조하면, 턴별 행동 평가 정보는 매 턴마다 하나 이상의 중력 방향 전환 후보 행동(511, 512) 및 하나 이상의 칩 교환 후보 행동(521, 522)을 포함할 수 있다. 이때, 하나 이상의 중력 방향 전환 후보 행동(511, 512)은 상측, 하측, 좌측 및 우측 후보 행동을 포함할 수 있다. 또한, 턴별 행동 평가 정보는 각 후보 행동에 대한 선택 횟수(530), 평가 값(540) 및 고유 선택 비중(550)을 포함할 수 있다.
이후, 도 6을 참조하면, 컴퓨팅 장치(12)는 제1 턴에서 선택 가능한 4개의 중력 방향 전환 후보 행동(511) 중 이전의 게임 플레이에서 선택되지 않은 하나 이상의 중력 방향 전환 후보 행동이 존재하는지 여부를 판단할 수 있다. 이때, 제1 턴에서 선택 가능한 4개의 중력 방향 전환 후보 행동(511)이 모두 이전의 게임 플레이에서 한번 이상 선택되었으므로, 컴퓨팅 장치(12)는 고유 선택 비중에 기초하여 4개의 후보 중 하나를 선택할 수 있다. 따라서, 컴퓨팅 장치(12)는 제1 턴에서 선택 가능한 4개의 중력 방향 전환 후보 행동(511) 중 고유 선택 비중이 가장 높은 좌측 후보 행동(610)을 선택할 수 있다.
또한, 컴퓨팅 장치(12)는 좌측 후보 행동(610)을 선택한 후 제1 턴에서 선택 가능한 하나 이상의 칩 교환 후보 행동(521) 중 이전의 게임 플레이에서 선택되지 않은 하나 이상의 칩 교환 후보 행동이 존재하는지 여부를 판단할 수 있다. 이때, 제1 턴에서 선택 가능한 '좌1' 칩 교환 후보 행동(620) 및 '좌2' 칩 교환 후보 행동(630) 모두 이전의 게임 플레이에서 한번 이상 선택되었으므로, 컴퓨팅 장치(12)는 '좌1' 칩 교환 후보 행동(620) 및 '좌2' 칩 교환 후보 행동(630) 중 고유 선택 비중이 가장 높은 후보 행동을 선택할 수 있다. 구체적으로, '좌1' 칩 교환 후보 행동(620)의 고유 선택 비중은 2.628이고, '좌2' 칩 교환 후보 행동(630)의 고유 선택 비중은 2.665이므로, 컴퓨팅 장치(12)는 제1 턴에서 선택 가능한 칩 교환 후보 행동(521) 중 고유 선택 비중이 가장 높은 '좌2' 칩 교환 후보 행동(630)을 선택할 수 있다.
한편, '좌1' 칩 교환 후보 행동(620) 및 '좌2' 칩 교환 후보 행동(630)은 각각 좌측 후보 행동(610)을 선택한 후 제1 턴에서 선택 가능한 제1 칩 교환 후보 행동 및 제2 칩 교환 후보 행동을 의미한다.
이후 도 7을 참조하면, 컴퓨팅 장치(12)는 제1 턴에서 중력 방향 전환 후보 행동 및 칩 교환 후보 행동을 선택한 후 제2 턴으로 넘어가 제2 턴에서 선택 가능한 하나 이상의 중력 방향 후보 행동(512) 및 하나 이상의 칩 교환 후보 행동(522) 중 각각 하나씩 선택할 수 있다.
구체적으로, 제2 턴에서 선택 가능한 4개의 중력 반환 전환 후보 행동(512)이 모두 이전에 플레이된 하나 이상의 게임 플레이에서 선택되지 않는 것으로 판단되므로, 컴퓨팅 장치(12)는 제2 턴에서 선택 가능한 4개의 중력 반환 전환 후보 행동(512) 중 임의로 하측 후보 행동(710)을 선택할 수 있다.
이후, 제2 턴에서 선택 가능한 하나 이상의 칩 교환 후보 행동(522)이 모두 이전에 플레이된 하나 이상의 게임 플레이에서 선택되지 않은 것으로 판단되므로, 컴퓨팅 장치(12)는 제2 턴에서 선택 가능한 하나 이상의 칩 교환 행동(522) 중 임의로 '하3' 칩 교환 후보 행동(720)을 선택할 수 있다.
한편, '하3' 칩 교환 후보 행동(720)은 제2 턴에서 선택 가능한 하나 이상의 칩 교환 후보 행동 중 제3 칩 교환 후보 행동을 의미한다.
이후, 컴퓨팅 장치(12)는 상술한 방식에 따라 게임 스테이지를 수행하던 중 게임 스테이지에 설정된 제한 턴 수를 초과하여 게임 스테이지에 설정된 임무를 실패한 것으로 가정한다.
이때, 도 8을 참조하면, 컴퓨팅 장치(12)는 우선 도 5 내지 도 7에서 진행된 게임 플레이에서 선택된 평가 후보 행동 예를 들어, 제1 턴에서 선택된 좌측 후보 행동(610), 제1 턴에서 선택된 '좌2' 칩 교환 후보 행동(630), 제2 턴에서 선택된 하측 후보 행동(710) 및 제2 턴에서 선택된 '하3' 칩 교환 후보 행동(720) 각각에 대한 선택 횟수를 하나씩 증가시킬 수 있다.
이후, 컴퓨팅 장치(12)는 게임 스테이지에 대한 실패 결과를 반영하여 제1 턴에서 선택된 좌측 후보 행동(610), 제1 턴에서 선택된 '좌2' 칩 교환 후보 행동(630), 제2 턴에서 선택된 하측 후보 행동(710) 및 제2 턴에서 선택된 '하3' 칩 교환 후보 행동(720) 각각에 대한 평가 값을 산출할 수 있다.
이후, 컴퓨팅 장치(12)는 갱신된 선택 횟수 및 산출된 평가 값에 기초하여 제1 턴에서 선택된 좌측 후보 행동(610), 제1 턴에서 선택된 '좌2' 칩 교환 후보 행동(630), 제2 턴에서 선택된 하측 후보 행동(710) 및 제2 턴에서 선택된 '하3' 칩 교환 후보 행동(720) 각각에 대한 고유 선택 비중을 산출할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 게임 스테이지에 설정된 임무 실패 결과를 반영하여 '좌2' 칩 교환 후보 행동(630)의 고유 선택 비중을 기존의 2.665에서 낮아진 1.768로 산출할 수 있다.
이와 같이, 게임 스테이지를 실패하였기 때문에 도 5 내지 도 7에서 수행된 게임 플레이에서 선택된 후보 행동 각각에 대한 평가 값은 낮게 산출되므로, 도 5 내지 도 7에서 수행된 게임 플레이에서 선택된 후보 행동 각각에 대한 고유 선택 비중 또한 낮게 산출되는 것을 확인할 수 있다.
도 9는 일 실시예에 따른 최종 전역 최적 행동 순서를 생성하는 방법의 순서도이다.
도 9에 도시된 방법은 예를 들어, 도 1에 도시된 컴퓨팅 장치(12)에 의해 수행될 수 있다.
도 9를 참조하면, 동작 910에서, 컴퓨팅 장치(12)는 게임 스테이지를 반복 수행하여 게임 스테이지에 대한 턴별 행동 평가 정보를 생성한다. 동작 910은 도 2에 도시된 동작 210과 동일한 동작이므로, 이하에서 자세한 설명은 생략한다.
동작 920에서, 컴퓨팅 장치(12)는 게임 스테이지 성공 여부 및 잔여 턴 수에 기초하여 턴별 행동 평가 정보 생성을 위한 게임 스테이지의 반복 수행을 통해 획득된 게임 스테이지에 대한 복수의 행동 순서 중 게임 스테이지에 대한 국소 최적 행동 순서를 결정할 수 있다.
예를 들어, 컴퓨팅 장치(12)는 게임 스테이지가 종료될 때마다 현재 종료된 게임 플레이에서 수행된 행동 순서와 이전의 게임 플레이에서 수행된 행동 순서를 비교하여 국소 최적 행동 순서를 결정할 수 있다.
일 실시예에서, 컴퓨팅 장치(12)는 복수의 행동 순서 중 기 설정된 턴 수 내에 게임 스테이지에 대한 성공 조건이 만족되고, 잔여 턴 수가 최저인 행동 순서를 국소 최적 행동 순서로 결정할 수 있다.
구체적으로, 컴퓨팅 장치(12)는 현재 종료된 게임 플레이에서 수행된 행동 순서 및 이전의 게임 플레이에서 수행된 행동 순서 중 게임 스테이지에 대한 성공 조건을 만족한 게임 플레이의 행동 순서를 국소 최적 행동 순서로 결정할 수 있다. 만약, 현재 종료된 게임 플레이의 행동 순서 및 이전 게임 플레이의 행동 순서 모두 게임 스테이지에 대한 성공 조건을 만족한 경우, 컴퓨팅 장치(12)는 현재 종료된 게임 플레이 및 이전의 게임 플레이 각각의 잔여 턴 수에 기초하여 국소 최적 행동 순서를 결정할 수 있다. 예를 들어, 이전의 게임 플레이의 잔여 턴 수가 0이고, 현재 종료된 게임 플레이의 잔여 턴 수가 4인 경우, 컴퓨팅 장치(12)는 현재 종료된 게임 플레이의 행동 순서를 국소 최적 행동 순서로 결정할 수 있다.
컴퓨팅 장치(12)는 상술한 국소 최적 행동 순서를 결정하는 방식에 따라 게임 스테이지가 종료될 때마다 국소 최적 행동 순서를 갱신하거나 유지하고, 게임 스테이지에 대한 반복 수행이 모두 종료되었을 때 결정된 국소 최적 행동 순서에 기초하여 현재 전역 최적 행동 순서를 생성할 수 있다.
동작 930에서, 컴퓨팅 장치(12)는 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 현재 전역 최적 행동 순서에 포함시켜 현재 전역 최적 행동 순서를 확장시킬 수 있다.
구체적으로, 현재 전역 최적 행동 순서를 생성하기 위해서, 현재 전역 최적 행동 순서에 포함된 마지막 행동 다음에 새로운 행동을 추가하여 현재 전역 최적 행동 순서를 확장시킬 수 있다.
예를 들어, 도 10에 도시된 바와 같이 컴퓨팅 장치(12)는 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 현재 전역 최적 행동 순서의 새로운 행동으로 포함시킬 수 있다.
도 10을 참조하면, 현재 전역 최적 행동 순서는 제1 턴에 대한 행동(1010) 및 제2 턴에 대한 행동(1020)을 포함하는 것으로 가정하면, 컴퓨팅 장치(12)는 국소 최적 행동 순서에 포함된 턴별 행동 중 제3 턴의 행동(1040)을 현재 전역 최적 행동 순서의 제3 턴에 대한 행동(1030)으로 포함시킬 수 있다. 이에 따라, 현재 전역 최적 행동 순서의 제2 턴에 대한 행동(1020) 다음에 제3 턴에 대한 행동(1030)이 추가됨으로써, 현재 전역 최적 행동 순서가 확장된 것을 확인할 수 있다.
동작 940에서, 컴퓨팅 장치(12)는 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는지 여부를 판단할 수 있다.
만약 동작 940에서의 판단 결과 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되지 않는 경우, 컴퓨팅 장치(12)는 확장된 현재 전역 최적 행동 순서에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 수 있다. 이때, 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 때마다 현재 전역 최적 행동 순서에 행동이 하나씩 추가된다. 다시 말하면, 컴퓨팅 장치(12)는 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료될 때까지 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행함으로써, 전역 최적 행동 순서를 확장시킬 수 있다.
한편, 컴퓨팅 장치(12)는 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 때, 확장된 전역 최적 행동 순서에 기초하여 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 수 있다.
구체적으로, 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하는 과정은 현재 전역 최적 행동 순서의 마지막 행동의 다음 행동을 추가하기 위한 것이다. 따라서, 컴퓨팅 장치(12)는 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지를 수행한 후, 확장된 현재 전역 최적 행동 순서에 포함되지 않은 턴부터 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 수 있다.
예를 들어, 확장된 현재 전역 최적 행동 순서는 제1 턴에 대한 행동 및 제2 턴에 대한 행동을 포함하는 것으로 가정한다. 이때, 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행하는 경우, 컴퓨팅 장치(12)는 게임 스테이지의 제3 턴부터 턴별 행동 평가 정보 생성 및 현재 전역 최적 행동 순서 생성을 반복 수행할 수 있다.
한편, 만약 동작 940 에서의 판단 결과 확장된 현재 전역 최적 행동 순서에 기초하여 게임 스테이지가 종료되는 경우, 동작 950에서 컴퓨팅 장치(12)는 확장된 현재 전역 최적 행동 순서를 최종 전역 행동 순서로 결정할 수 있다.
한편, 도 2 내지 도 4 및 도 9에 도시된 순서도에서는 방법을 복수 개의 동작으로 나누어 기재하였으나, 다른 동작과 결합되어 함께 수행되거나, 생략되거나, 세부 동작들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 동작이 부가되어 수행될 수 있다.
도 11은 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률 사이의 관계를 나타낸 그래프이다.
도 11에 도시된 그래프는 총 95개의 게임 스테이지 각각에 대한 성공률을 나타낸 것이다. 또한, 도 11에 도시된 그래프에서 세로축은 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률을 의미하고, 가로축은 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률을 의미한다.
도 11에서, 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률 사이의 피어슨 적률상관계수는 약 0.82로 산출된다. 통계학적 가이드라인에 따르면, 상관계수가 0.7~0.9 사이에 산출되는 경우, 두 데이터 간에는 강한 상관 관계를 가지는 것을 의미한다. 따라서, 개시되는 실시예들에 따르면, 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률 간에는 강한 상관 관계를 가진다는 것을 의미한다. 예를 들어, 도 11을 참조하면, 게임 난이도 결정 방법에 의해 특정 게임 스테이지에 대한 성공률이 높게 결정되는 경우, 실제 사용자 플레이 데이터에 기초하여 결정된 특정 게임 스테이지에 대한 성공률도 높게 결정되는 것을 확인할 수 있다.
이에 따라, 게임 난이도 결정 방법의 게임 난이도 결정 정확도가 높다는 것을 확인할 수 있다.
도 12는 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 순위 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률 순위 사이의 관계를 나타낸 그래프이다.
도 12에 도시된 그래프는 총 95개의 게임 스테이지 각각에 대한 성공률을 기준으로 순위를 부여한 것이다. 성공률이 높은 게임 스테이지일수록 순위가 높고, 성공률이 낮은 게임 스테이지일수록 순위가 낮게 표시된다. 또한, 도 12에 도시된 그래프에서 세로축은 게임 난이도 결정 방법에 기초한 게임 스테이지 성공률 순위를 의미하고, 가로축은 사용자 플레이 데이터에 기초한 게임 스테이지 성공률 순위를 의미한다.
도 12에서, 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률에 따른 순위 및 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률에 따른 순위 사이의 스피어만 등위상관계수는 약 0.8로 산출된다. 통계학적 가이드라인에 따르면, 상관계수가 0.7~0.9 사이에 산출되는 경우, 두 데이터 간에는 강한 상관 관계를 가지는 것을 의미한다. 따라서, 개시되는 실시예들에 따르면, 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률에 따른 순위 및 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률에 따른 순위 간에는 강한 상관 관계를 가진다는 것을 의미한다. 예를 들어, 도 12를 참조하면, 게임 난이도 결정 방법에 기초하여 결정된 복수의 게임 스테이지의 성공률 순위와 실제 사용자 플레이 데이터에 기초하여 결정된 복수의 게임 스테이지의 성공률 순위가 대부분 근접하다는 것을 확인할 수 있다.
이에 따라, 게임 난이도 결정 방법의 게임 난이도 결정 정확도가 높다는 것을 확인할 수 있다.
도 13은 일 실시예에 따른 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률을 비교하는 그래프이다.
도 13에 도시된 그래프의 세로축은 게임 스테이지의 성공률을 의미하고, 그래프의 가로축은 게임 스테이지 종류를 의미한다. 또한, 도 13에 도시된 그래프에 포함된 각 선들은 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률 및 게임 난이도 결정 방법에 기초하여 결정된 각 게임 스테이지에 대한 성공률을 의미한다. 이때, 게임 난이도 결정 방법에 기초하여 게임 스테이지의 난이도를 결정할 때, 턴별 행동 평가 정보를 생성하기 위한 게임 스테이지의 제1 반복 수행 횟수를 각각 1, 20 및 400으로 설정하였다.
도 13을 참조하면, 게임 난이도 결정 방법을 이용한 게임 난이도 결정 시 게임 스테이지의 제1 반복 수행 횟수가 높아질수록, 게임 난이도 결정 방법에 기초하여 결정된 게임 스테이지 성공률의 추세와 사용자 플레이 데이터에 기초하여 결정된 게임 스테이지 성공률의 추세가 서로 유사하다는 것을 확인할 수 있다. 즉, 게임 난이도 결정 방법에서 게임 난이도를 결정하기 위한 게임 스테이지의 제1 반복 수행 횟수를 높게 설정할수록, 실제 사용자의 게임 스테이지 성공률의 추세를 근접하게 예측할 수 있다.
또한, 게임 난이도 결정 방법에서 게임 난이도를 결정하기 위한 게임 스테이지의 제1 반복 수행 횟수를 높게 설정할수록, 게임 실력이 좋은 사용자의 게임 스테이지 성공률을 확인할 수 있고, 게임 난이도 결정 방법에서 게임 난이도를 결정하기 위한 게임 스테이지의 제1 반복 수행 횟수를 낮게 설정할수록, 게임 실력이 좋지 않은 사용자의 게임 스테이지 성공률을 확인할 수 있다. 즉, 게임 난이도 결정 방법에서 게임 난이도를 결정하기 위한 게임 스테이지의 제1 반복 수행 횟수를 다양하게 설정함으로써, 다양한 실력을 가진 복수의 사용자 각각의 게임 스테이지 성공률을 확인할 수 있다. 이에 따라, 게임 난이도 결정 방법은 서로 상이한 실력을 가진 복수의 사용자를 고려하여 게임 난이도를 조절하기 위한 데이터를 획득할 수 있다.
도 14는 일 실시예에 따른 게임 난이도 결정 방법에 기초하여 예측된 사용자의 게임 스테이지 성공률을 나타낸 그래프이다.
도 14에 도시된 그래프의 세로축은 게임 스테이지의 성공률을 의미하고, 그래프의 가로축은 게임 스테이지 종류를 의미한다. 또한, 도 14에 도시된 그래프에 포함된 각 선들은 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률 및 게임 난이도 결정 방법에 기초하여 예측된 사용자의 각 게임 스테이지에 대한 성공률을 의미한다.
일 실시예에서, 도 14에 도시된 게임 난이도 결정 방법에 기초하여 예측된 사용자의 각 게임 스테이지에 대한 성공률은 사용자 플레이 데이터를 학습 데이터로 이용하여 사전 학습된 게임 난이도 결정 모델을 이용하여 예측된 데이터일 수 있다. 이때, 게임 난이도 결정 모델은 상술한 게임 난이도 결정 방법을 이용하는 모델일 수 있다.
도 14를 참조하면, 사전 학습된 게임 난이도 결정 모델을 이용하여 예측된 사용자의 각 게임 스테이지에 대한 성공률은 실제 사용자의 사용자 플레이 데이터에 기초하여 결정된 각 게임 스테이지에 대한 성공률과 유사한 형태를 가지는 것을 확인할 수 있다.
따라서, 게임 난이도 결정 방법을 이용하여 실제 사용자의 게임 스테이지 성공률을 예측 가능하다는 것을 확인할 수 있다.
일 실시예에 따르면, 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 기록 매체는 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서는 실시예들을 중심으로 기술적 특징들을 설명하였다. 하지만, 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한고, 권리 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 권리범위에 포함된 것으로 해석되어야 할 것이다.
10: 컴퓨팅 환경
12: 컴퓨팅 장치
14: 프로세서
16: 컴퓨터 판독 가능 저장 매체
18: 통신 버스
20: 프로그램
22: 입출력 인터페이스
24: 입출력 장치
26: 네트워크 통신 인터페이스

Claims (22)

  1. 게임 스테이지를 반복 수행하여 상기 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하는 동작;
    상기 턴별 행동 평가 정보에 기초하여 상기 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성하는 동작;
    상기 현재 전역 최적 행동 순서에 기초한 상기 게임 스테이지 종료 여부에 기초하여 상기 턴별 행동 평가 정보 생성 및 상기 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성하는 동작;
    상기 최종 전역 최적 행동 순서에 기초하여 상기 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득하는 동작;
    사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행하는 동작; 및
    상기 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 상기 게임 스테이지에 대한 난이도를 결정하는 동작을 포함하는 게임 난이도 결정 방법.
  2. 청구항 1에 있어서,
    상기 턴별 행동 평가 정보는, 상기 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 각각에 대한 평가 값, 선택 횟수 및 고유 선택 비중 중 적어도 하나를 포함하는 게임 난이도 결정 방법.
  3. 청구항 2에 있어서,
    상기 하나 이상의 후보 행동은, 중력 방향 전환 및 칩 교환 중 적어도 하나를 포함하는 게임 난이도 결정 방법.
  4. 청구항 2에 있어서,
    상기 턴별 행동 평가 정보를 생성하는 동작은,
    상기 게임 스테이지의 매 턴마다 상기 하나 이상의 후보 행동 중 하나를 선택하여 상기 게임 스테이지를 수행하는 동작;
    상기 게임 스테이지의 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신하는 동작;
    상기 게임 스테이지 성공 여부에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하는 동작;
    상기 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수 및 평가 값에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출하는 동작; 및
    기 설정된 제1 반복 수행 횟수만큼 상기 게임 스테이지를 수행하지 못한 경우, 상기 게임 스테이지 수행, 상기 선택 횟수 갱신, 상기 평가 값 산출 및 상기 고유 선택 비중 산출을 반복 수행하는 동작을 포함하는 게임 난이도 결정 방법.
  5. 청구항 4에 있어서,
    상기 게임 스테이지를 수행하는 동작은,
    상기 선택 횟수에 기초하여, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하는 경우, 상기 선택되지 않은 하나 이상의 후보 행동 중 하나를 선택하고,
    상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 상기 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하지 않는 경우, 상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 각각에 대한 고유 선택 비중에 기초하여 상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 하나를 선택하는 게임 난이도 결정 방법.
  6. 청구항 4에 있어서,
    상기 평가 값을 산출하는 동작은,
    기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족된 경우, 잔여 턴 수에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고,
    상기 기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족되지 않은 경우, 상기 성공 조건 만족을 위한 잔여 임무량에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하는 게임 난이도 결정 방법.
  7. 청구항 1에 있어서,
    상기 현재 전역 최적 행동 순서를 생성하는 동작은,
    상기 게임 스테이지 성공 여부 및 잔여 턴 수에 기초하여 상기 턴별 행동 평가 정보 생성을 위한 상기 게임 스테이지의 반복 수행을 통해 획득된 상기 게임 스테이지에 대한 복수의 행동 순서 중 상기 게임 스테이지에 대한 국소 최적 행동 순서를 결정하는 동작; 및
    상기 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 상기 현재 전역 최적 행동 순서에 포함시켜 상기 현재 전역 최적 행동 순서를 확장시키는 동작을 포함하는 게임 난이도 결정 방법.
  8. 청구항 7에 있어서,
    상기 국소 최적 행동 순서를 결정하는 동작은, 상기 복수의 행동 순서 중 기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족되고, 상기 잔여 턴 수가 최저인 행동 순서를 상기 국소 최적 행동 순서로 결정하는 게임 난이도 결정 방법.
  9. 청구항 7에 있어서,
    상기 최종 전역 최적 행동 순서를 생성하는 동작은,
    상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 게임 스테이지가 종료되지 않는 경우, 상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 턴별 행동 평가 정보 생성 및 상기 현재 전역 최적 행동 순서 생성을 반복 수행하고,
    상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 게임 스테이지가 종료되는 경우, 상기 확장된 현재 전역 최적 행동 순서를 상기 최종 전역 최적 행동 순서로 결정하는 게임 난이도 결정 방법.
  10. 청구항 1에 있어서,
    상기 사전 설정된 반복 수행 종료 조건은, 상기 최종 전역 최적 행동 순서에 기초한 상기 게임 스테이지 성공 여부 및 기 설정된 제2 반복 수행 횟수 중 적어도 하나를 포함하고,
    상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행하는 동작은, 상기 사전 설정된 반복 수행 종료 조건을 만족하지 못한 경우, 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행하는 게임 난이도 결정 방법.
  11. 청구항 1에 있어서,
    상기 최적 행동 기반 수행 결과는, 상기 게임 스테이지 성공 여부 및 잔여 턴 수 중 적어도 하나를 포함하고,
    상기 난이도를 결정하는 동작은, 상기 사전 설정된 반복 수행 종료 조건을 만족하는 경우, 상기 게임 스테이지에 대한 성공 조건 최초 만족 시까지 수행된 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 상기 성공 조건 최초 만족 시 잔여 턴 수 및 상기 게임 스테이지에 대한 성공률 중 적어도 하나에 기초하여 상기 난이도를 결정하는 게임 난이도 결정 방법.
  12. 하나 이상의 명령어를 저장하는 메모리; 및
    상기 하나 이상의 명령어를 실행하는 하나 이상의 프로세서를 포함하고,
    상기 하나 이상의 프로세서는,
    게임 스테이지를 반복 수행하여 상기 게임 스테이지에 대한 턴별 행동 평가 정보를 생성하고,
    상기 턴별 행동 평가 정보에 기초하여 상기 게임 스테이지에 대한 현재 전역 최적 행동 순서를 생성하고,
    상기 현재 전역 최적 행동 순서에 기초한 상기 게임 스테이지 종료 여부에 기초하여 상기 턴별 행동 평가 정보 생성 및 상기 현재 전역 최적 행동 순서 생성을 반복 수행하여 최종 전역 최적 행동 순서를 생성하고,
    상기 최종 전역 최적 행동 순서에 기초하여 상기 게임 스테이지에 대한 최적 행동 기반 수행 결과를 획득하고,
    사전 설정된 반복 수행 종료 조건의 만족 여부에 기초하여 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행하고,
    상기 게임 스테이지에 대한 복수의 최적 행동 기반 수행 결과에 기초하여 상기 게임 스테이지에 대한 난이도를 결정하는 게임 난이도 결정 장치.
  13. 청구항 12에 있어서,
    상기 턴별 행동 평가 정보는, 상기 게임 스테이지에서 턴별로 선택 가능한 하나 이상의 후보 행동 각각에 대한 평가 값, 선택 횟수 및 고유 선택 비중 중 적어도 하나를 포함하는 게임 난이도 결정 장치.
  14. 청구항 13에 있어서,
    상기 하나 이상의 후보 행동은, 중력 방향 전환 및 칩 교환 중 적어도 하나를 포함하는 게임 난이도 결정 장치.
  15. 청구항 13에 있어서,
    상기 하나 이상의 프로세서는,
    상기 턴별 행동 평가 정보를 생성할 때,
    상기 게임 스테이지의 매 턴마다 상기 하나 이상의 후보 행동 중 하나를 선택하여 상기 게임 스테이지를 수행하고,
    상기 게임 스테이지의 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수를 갱신하고,
    상기 게임 스테이지 성공 여부에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고,
    상기 매 턴에서 선택된 후보 행동 각각에 대한 선택 횟수 및 평가 값에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 고유 선택 비중을 산출하고,
    기 설정된 제1 반복 수행 횟수만큼 상기 게임 스테이지를 수행하지 못한 경우, 상기 게임 스테이지 수행, 상기 선택 횟수 갱신, 상기 평가 값 산출 및 상기 고유 선택 비중 산출을 반복 수행하는 게임 난이도 결정 장치.
  16. 청구항 15에 있어서,
    상기 하나 이상의 프로세서는,
    상기 게임 스테이지를 수행할 때,
    상기 선택 횟수에 기초하여, 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하는 경우, 상기 선택되지 않은 하나 이상의 후보 행동 중 하나를 선택하고,
    상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 상기 이전의 게임 스테이지 수행 시 선택되지 않은 하나 이상의 후보 행동이 존재하지 않는 경우, 상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 각각에 대한 고유 선택 비중에 기초하여 상기 현재 턴에서 선택 가능한 하나 이상의 후보 행동 중 하나를 선택하는 게임 난이도 결정 장치.
  17. 청구항 15에 있어서,
    상기 하나 이상의 프로세서는,
    상기 평가 값을 산출할 때,
    기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족된 경우, 잔여 턴 수에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하고,
    상기 기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족되지 않은 경우, 상기 성공 조건 만족을 위한 잔여 임무량에 기초하여 상기 매 턴에서 선택된 후보 행동 각각에 대한 평가 값을 산출하는 게임 난이도 결정 장치.
  18. 청구항 12에 있어서,
    상기 하나 이상의 프로세서는,
    상기 현재 전역 최적 행동 순서를 생성할 때,
    상기 게임 스테이지 성공 여부 및 잔여 턴 수에 기초하여 상기 턴별 행동 평가 정보 생성을 위한 상기 게임 스테이지의 반복 수행을 통해 획득된 상기 게임 스테이지에 대한 복수의 행동 순서 중 상기 게임 스테이지에 대한 국소 최적 행동 순서를 결정하고,
    상기 국소 최적 행동 순서에 포함된 턴별 행동 중 특정 턴의 행동을 상기 현재 전역 최적 행동 순서에 포함시켜 상기 현재 전역 최적 행동 순서를 확장시키는 게임 난이도 결정 장치.
  19. 청구항 18에 있어서,
    상기 하나 이상의 프로세서는, 상기 국소 최적 행동 순서를 결정할 때, 상기 복수의 행동 순서 중 기 설정된 턴 수 내에 상기 게임 스테이지에 대한 성공 조건이 만족되고, 상기 잔여 턴 수가 최저인 행동 순서를 상기 국소 최적 행동 순서로 결정하는 게임 난이도 결정 장치.
  20. 청구항 18에 있어서,
    상기 하나 이상의 프로세서는,
    상기 최종 전역 최적 행동 순서를 생성할 때,
    상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 게임 스테이지가 종료되지 않는 경우, 상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 턴별 행동 평가 정보 생성 및 상기 현재 전역 최적 행동 순서 생성을 반복 수행하고,
    상기 확장된 현재 전역 최적 행동 순서에 기초하여 상기 게임 스테이지가 종료되는 경우, 상기 확장된 현재 전역 최적 행동 순서를 상기 최종 전역 최적 행동 순서로 결정하는 게임 난이도 결정 장치.
  21. 청구항 12에 있어서,
    상기 사전 설정된 반복 수행 종료 조건은, 상기 최종 전역 최적 행동 순서에 기초한 상기 게임 스테이지 성공 여부 및 기 설정된 제2 반복 수행 횟수 중 적어도 하나를 포함하고,
    상기 하나 이상의 프로세서는, 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행할 때, 상기 사전 설정된 반복 수행 종료 조건을 만족하지 못한 경우, 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득을 반복 수행하는 게임 난이도 결정 장치.
  22. 청구항 12에 있어서,
    상기 최적 행동 기반 수행 결과는, 상기 게임 스테이지 성공 여부 및 잔여 턴 수 중 적어도 하나를 포함하고,
    상기 하나 이상의 프로세서는, 상기 난이도를 결정할 때, 상기 사전 설정된 반복 수행 종료 조건을 만족하는 경우, 상기 게임 스테이지에 대한 성공 조건 최초 만족 시까지 수행된 상기 최종 전역 최적 행동 순서 생성 및 상기 최적 행동 기반 수행 결과 획득에 대한 반복 수행 횟수, 상기 성공 조건 최초 만족 시 잔여 턴 수 및 상기 게임 스테이지에 대한 성공률 중 적어도 하나에 기초하여 상기 난이도를 결정하는 게임 난이도 결정 장치.
KR1020190107137A 2019-08-30 2019-08-30 게임 난이도 결정 방법 및 장치 KR102195471B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190107137A KR102195471B1 (ko) 2019-08-30 2019-08-30 게임 난이도 결정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190107137A KR102195471B1 (ko) 2019-08-30 2019-08-30 게임 난이도 결정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102195471B1 true KR102195471B1 (ko) 2020-12-28

Family

ID=74086930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190107137A KR102195471B1 (ko) 2019-08-30 2019-08-30 게임 난이도 결정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102195471B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050100316A (ko) * 2004-04-14 2005-10-18 엔에이치엔(주) 난이도 조절이 가능한 가로세로 퍼즐 게임 시스템 및 그방법
KR20060020004A (ko) * 2004-08-30 2006-03-06 학교법인 중앙대학교 인공지능기법을 이용한 사용자 상호작용 게임 난이도조절방법
WO2008096640A1 (ja) * 2007-02-09 2008-08-14 Konami Digital Entertainment Co., Ltd. ゲーム端末、プレイ難度設定装置、コンピュータプログラムおよび記録媒体
JP2008188268A (ja) * 2007-02-06 2008-08-21 Nippon Telegr & Teleph Corp <Ntt> 難易度判定方法、装置、プログラム
KR20100119233A (ko) * 2009-04-30 2010-11-09 한국전자통신연구원 게임 난이도 조절 장치 및 방법
KR20170087236A (ko) * 2016-01-20 2017-07-28 주식회사 매버릭게임즈 게임에서의 동적 난이도와 절차적 컨텐츠 생성 시스템 및 그 제공 방법
KR101895920B1 (ko) * 2017-08-31 2018-09-07 주식회사 엔씨소프트 중력 방향의 제어가 가능한 3매치 퍼즐 게임 제공 방법 및 이를 위한 컴퓨터 프로그램
KR20190044316A (ko) * 2017-10-20 2019-04-30 주식회사 넥슨코리아 게임 난이도 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050100316A (ko) * 2004-04-14 2005-10-18 엔에이치엔(주) 난이도 조절이 가능한 가로세로 퍼즐 게임 시스템 및 그방법
KR20060020004A (ko) * 2004-08-30 2006-03-06 학교법인 중앙대학교 인공지능기법을 이용한 사용자 상호작용 게임 난이도조절방법
JP2008188268A (ja) * 2007-02-06 2008-08-21 Nippon Telegr & Teleph Corp <Ntt> 難易度判定方法、装置、プログラム
WO2008096640A1 (ja) * 2007-02-09 2008-08-14 Konami Digital Entertainment Co., Ltd. ゲーム端末、プレイ難度設定装置、コンピュータプログラムおよび記録媒体
KR20100119233A (ko) * 2009-04-30 2010-11-09 한국전자통신연구원 게임 난이도 조절 장치 및 방법
KR20170087236A (ko) * 2016-01-20 2017-07-28 주식회사 매버릭게임즈 게임에서의 동적 난이도와 절차적 컨텐츠 생성 시스템 및 그 제공 방법
KR101895920B1 (ko) * 2017-08-31 2018-09-07 주식회사 엔씨소프트 중력 방향의 제어가 가능한 3매치 퍼즐 게임 제공 방법 및 이를 위한 컴퓨터 프로그램
KR20190044316A (ko) * 2017-10-20 2019-04-30 주식회사 넥슨코리아 게임 난이도 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
엄상원. 게임의 사용자 플레이 기반 난이도 밸런싱에 관한 연구. 중앙대학교 첨단영상대학원. 2008년 2월 *

Similar Documents

Publication Publication Date Title
JP7399932B2 (ja) クラウドゲーミングネットワークを使用した人工知能（ａｉ）モデルの訓練
KR102060879B1 (ko) 비디오 게임 애플리케이션 내의 게임플레이 파라미터들의 실시간 동적 수정 및 최적화
US10835824B2 (en) Seasonal reward distribution system
US9993734B2 (en) Player model
JP7125539B2 (ja) ゲーム内リソースサーフェシングプラットフォーム
JP2008207005A (ja) ゲームユーザの入力パターンをコピーしてゲームを遂行するゲームａｉ制御システム及びプログラム
US11534694B2 (en) Server-based game activity suggestions
US9539513B2 (en) Method and system for simulations of dynamic motion and position
CN112245934B (zh) 虚拟场景应用中虚拟资源的数据分析方法、装置及设备
KR102195471B1 (ko) 게임 난이도 결정 방법 및 장치
US11068284B2 (en) System for managing user experience and method therefor
US20230009378A1 (en) Automated test multiplexing system
KR20150017016A (ko) 게임 스킬 구현 방법 및 서버
US11413541B2 (en) Generation of context-aware, personalized challenges in computer games
KR20230090862A (ko) 인공 지능 모델을 기반으로 게임 컨텐츠의 난이도를 관리하는 방법 및 장치
Ehlert Improving input prediction in online fighting games
Spelchan A deep learning based mixed initiative editor for game level generation
US11504618B2 (en) Server-based video help in a video game
JP7332521B2 (ja) サーバシステム、ゲームシステム及びプログラム
KR20220161882A (ko) 퀘스트 관리 서비스 제공 장치 및 방법
Karlberg Usability Analysis of 3D Touch Technology in the Context of Mobile Gaming

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant