Java Settlers - Intelligente agentenbasierte Spielsysteme für intuitive ...

28 Verwandte Arbeiten
2.3.2 Der Agent
„An agent is a computational system, situated in some environment, that is ca-
pable of intelligent, autonomous action in order to meet its design objectives.“ –
Nicholas Jennings (Intelligent Agents, 1995) [28]
Wenn von dem Agent die Rede ist, wird meist das Verhalten eines Agentenprogramms betrach-
tet, welches auf eine Anfrage eine Aktion berechnet. Dabei erhält der Agent die aktuelle Wahr-
nehmung von Sensoren als Eingabe und gibt eine Aktion als Ausgabe aus. Eine sehr einfache
Form eines Agenten wäre alle möglichen Eingabe-Ausgabe-Paare in eine Tabelle abzuspei-
chern und die benötigte Aktion nachzuschlagen. Für die meisten relevanten Probleme ist dies
aber nicht praktikabel, da der Speicherplatz für die Tabelle nicht realisierbar wäre und nicht
immer alle Paare ermittelt werden können. Beim Schach zum Beispiel müssten bei 20 Züge pro
Stellung, einer Halbzugtiefe von 16 und ohne Optimierungen ca. 600.000.000.000.000.000.000
mögliche Varianten betrachtet werden.
Ein etwas verbesserter, aber immer noch einfacher Agent, ist der Reflex-Agent. Diese Agenten
bestimmen aufgrund der aktuellen Wahrnehmung und aus einer Menge einfacher Regeln eine
durchzuführende Aktion [4]. Diese Agenten sind einfach und schnell, aber nur begrenzt intel-
ligent, da sie weder die Vergangenheit noch die Zukunft in Betracht ziehen und sich nur lokal
aufgrund einer kleinen Menge an Regeln entscheiden.
Ein verbesserter Reflex-Agent führt einen internen Zustand mit sich. Der sogenannte Modell-
basierte Reflex-Agent versucht also sich die Welt aufgrund der Wahrnehmungshistorie zu mo-
dellieren und hat nun die Möglichkeit Entwicklungen und Auswirkungen auf das Modell zu
übertragen und vom Modell basierend neue Aktionen zu ermitteln [4].
Damit auch Auswirkungen auf die Zukunft in Erwägung gezogen werden, benötigt es Zielba-
sierte Agenten, die zusätzlich noch Zielinformationen mit sich führen [4]. Damit ist es möglich,
zielgerecht nach einer Aktion zu suchen, die den Agenten näher zum Ziel bringt.
Um zwischen Zuständen vergleichen zu können, die sich auf dem Weg zum Ziel befinden, wird
eine Leistungsbewertung benötigt, die den Nutzen ermittelt. Solche Nutzenbasierte Agenten
können durch Heuristiken schneller zum Ziel gelangen [4]. Dafür führen sie temporäre Aktio-
nen auf ihrem internen Zustand aus, bewerten den neuen Zustand und ziehen die Aktion zurück.
Somit können verschiedene Aktionsfolgen in Hinsicht auf die Leistungsbewertung simuliert
werden und der beste ausgewählt werden. Zusätzlich können bei mehreren Zielen abgeschätzt
werden, wie groß der Nutzen im Verhältnis zur Wahrscheinlichkeit ist oder bei in Konflikt ste-
henden Zielen abgewogen werden, welcher geeigneter ist.
Für Java Settlers soll ein Nutzenbasierter Agent entwickelt werden, der durch geeignete Heuris-
tiken und einer Bewertungsfunktion das Ziel erreichen soll, das Spiel zu gewinnen. Dabei soll
mit einer adversarialen Suche der bestmögliche Zug in einer vertretbaren Zeit ermittelt werden.
Im Folgenden soll nun näher auf die Suche eingegangen werden.