Ανάπτυξη μοντέλου απλοποιημένου επιτραπέζιου παιχνιδιού πολλών χρηστών Dominion σε Python και υλοποίηση αλγορίθμου τεχνητής νοημοσύνης αυτο-εκμάθησης ενός τεχνητού παίκτη

Abstract

Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανάπτυξη ενός ψηφιακού παιχνιδιού σε γλώσσα προγραμματισμού Python. Το παιχνίδι χρησιμοποιεί έναν πράκτορα τεχνητής νοημοσύνης (AI Agent) ο οποίος εκπαιδεύεται με αλγόριθμο μη επιβλεπόμενης μάθησης ώστε να παίζει το παιχνίδι με το βέλτιστο τρόπο και να νικά. Σκοπός της εργασίας είναι να αναδείξει τις δυνατότητες και τις εφαρμογές της μη επιβλεπόμενης μάθησης στα ψηφιακά παιχνίδια και να προσφέρει πρακτικά παραδείγματα για την υλοποίηση παρόμοιων έργων. Στο παιχνίδι που αναπτύχθηκε σε Python, οι παίκτες χρησιμοποιούν κάρτες δράσης, θησαυρού και νίκης. Ο πράκτορας AI χρησιμοποιεί τον αλγόριθμο K-means για την κατηγοριοποίηση των καταστάσεων του παιχνιδιού και ενισχυτική μάθηση (Reinforcement Learning) για να βελτιστοποιήσει τις ενέργειές του. Ο κώδικας περιλαμβάνει τη δημιουργία καρτών, τράπουλας και παικτών, καθώς και τις φάσεις του παιχνιδιού: δράση, αγορά, καθαρισμός και συναλλαγή. Ο πράκτορας AI, μέσω του αλγορίθμου DQN, εκπαιδεύεται («μαθαίνει») μέσω επαναληπτικής μνήμης και νευρωνικών δικτύων, χρησιμοποιώντας παραμέτρους όπως το learning rate, discount factor, exploration rateκαι batch size. Ο αλγόριθμος DQN χρησιμοποιεί νευρωνικά δίκτυα για να εκτιμήσει τις Q-τιμές και να βελτιστοποιήσει την απόδοση του πράκτορα AI σε περιβάλλοντα με μεγάλη διάσταση και πολυπλοκότητα. Η μεθοδολογία περιλαμβάνει τη χρήση replay memory και target networks για τη βελτίωση της απόδοσης του πράκτορα, ενώ γίνεται εκτενής αναφορά στις παραμέτρους του αλγορίθμου DQN. Οι φάσεις του παιχνιδιού περιλαμβάνουν την action phase, buy phase, cleanup phase, με στόχο την καλύτερη αξιοποίηση των καρτών από τους παίκτες. Η ανάλυση των επιδόσεων του πράκτορα AI γίνεται μέσω γραφήματος. Η εργασία κλείνει με τα Συμπεράσματα και προτάσεις για περαιτέρω έρευνα.