مسيريابي حركات عامل‌هاي غيركنترلي هوشمند در بازي‌هاي رايانه‌اي با استفاده از مكانيزم هاي جستجوي درختي مونت‌كارلو

مسيريابي يكي از مسائل مهم در بازي‌هاي رايانه‌اي است. استراتژي مناسب و خوب در مسيريابي عامل‌هاي غير كنترلي هوشمند يك تفاوت كليدي بين بازي‌هاي رايانه‌اي خوب و بازي‌هاي رايانه‌اي كه موفقيت كمتري را كسب كرده‌اند، مي‌باشد. يافتن كوتاه‌ترين مسير براي عامل‌هاي هوشمند در محيط بازي رايانه‌اي يك مسئله‌ي كاملاً شناخته‌شده است كه راه‌حل‌هاي بسياري براي اين مسئله وجود دارد. هنگامي‌كه تعداد زيادي عامل‌هاي هوشمند بخواهند از نقطه‌ي شروع مسير به سمت نقطه مقصد حركت بكنند اين مشكل پيچيده‌تر مي‌شود. در اين پژوهش با اتكا بر مكانيزم هاي جستجوي درختي مونت‌كارلو چندين مسير معين كوتاه به‌جاي يك مسير كوتاه به‌منظور كاهش زمان انتظار در صف‌هاي مسيريابي معرفي مي‌گردد و درنتيجه زمان كل عبور عامل‌هاي غير كنترلي هوشمند براي عبور از نقشه‌ي زمين‌بازي رايانه‌اي كاهش پيدا مي‌كند. هدف اصلي در اين مقاله كاهش زمان كل عبور عامل‌هاي غير كنترلي هوشمند جهت حركت و عبور از مسيرهاي مشخص‌شده مي‌باشد. نتايج شبيه‌سازي نشان مي‌دهد كه الگوريتم جستجوي درختي مونت‌كارلو نه‌تنها مدت‌زمان عبور عامل‌هاي غير كنترلي هوشمند از مسيرهاي معين را كاهش مي‌دهد بلكه مي‌تواند تعداد برخوردها و تلاقي‌هاي بين عامل‌هاي هوشمند در طول مسيرها را نيز كاهش دهد كه اين امر باعث كاهش يافتن استفاده‌ي بازي رايانه‌اي از پردازنده‌ي سيستم رايانه‌اي مي‌گردد كه نكته‌ي مهم ديگري در بازي‌هاي رايانه‌اي محسوب مي‌شود. استفاده از جستجوي درختي مونت‌كارلو فرصتي مناسب را در اختيار طراحان و توسعه‌دهندگان بازي‌هاي رايانه‌اي قرار مي‌دهد تا بتوانند استراتژي‌هاي خوب و كارآمدي را در مسيريابي عامل‌هاي غير كنترلي هوشمند برنامه‌ريزي و پياده‌سازي نمايند. جستجوي درختي مونت‌كارلو به‌وسيله‌ي موتور بازي‌سازي Unity5.3 بر روي نمونه نقشه‌اي از محيط بازي رايانه‌اي Dragon Age: Origins پياده‌سازي و مورد ارزيابي قرارگرفته است. بر اساس نتايج به‌دست‌آمده از شبيه‌سازي روش پيشنهادي و مقايسه با نتايج حاصل از الگوريتم‌هاي مرتبط ديگر در زمينه‌ي مسيريابي عامل‌هاي هوشمند، زمان كل عبور عامل‌هاي غير كنترلي هوشمند با توجه به تعداد متغير عامل‌ها از 150 عامل تا 1200 عامل به ميزان 2.6 ثانيه الي 0.8 ثانيه نسبت به الگوريتم حداكثر جريان و بافاصله‌ي 3.6 ثانيه و بالاتر نسبت به ساير الگوريتم‌ها، كاهش پيدا كرد. هم‌چنين تعداد تلاقي‌ها نيز به ميزان 1490 برخورد در بين 150 عامل هوشمند تا 51725 برخورد در بين 1200 عامل هوشمند نسبت به الگوريتم حداكثر جريان و بافاصله‌ي 6110 برخورد و بالاتر نسبت به الگوريتم A*، كاهش پيدا نمود تا كارآمد بودن روش پيشنهادي را نسبت به ساير الگوريتم‌هاي موردمطالعه و بررسي در اين پژوهش، اثبات نمايد.