Java Settlers - Intelligente agentenbasierte Spielsysteme für intuitive ...

32 Verwandte Arbeiten
über einem anderen Spieler in einer stärkeren Position verbünden. Dieses Allianzen werden
dynamisch im Laufe des Spiels gebildet und wieder aufgelöst. Die Frage ist jetzt, wie sich
ein Spieler im Verhältnis zu anderen Spieler sieht, wofür es mehrere Möglichkeiten gibt. Ein
„paranoider“ Spieler geht immer davon aus, dass er alleine gegen die restlichen Spieler als Al-
lianz spielt und somit alle gegnerischen Aktionen ihn benachteiligen [35, 37]. Damit wird das
Mehrspielerproblem auf ein Zweispielerproblem reduziert. Die Abbildung 8 illustriert einen
paranoiden Spieler.
Diese Variante ist für Java Settlers jedoch zu drastisch, denn tatsächlich wird mehr mitein-
ander kooperiert, anstatt dass konkurrierend agiert wird. In einer Art und Weise repräsentiert
der max n -Algorithmus eine komplett optimistische Sicht auf die Kooperationen, wo ein Spieler
nicht auf die Gegner achtet, sondern nur auf sich selber schaut. Die paranoide Version dage-
gen zeigt eine komplett pessimistische Ansicht, wo der suchende Spieler alle Gegner als einen
einzelnen sieht, der versucht die eigene Bewertung zu minimieren. Beide Varianten vergleichen
Zustände miteinander, indem nur die absoluten Nutzenwerte des jeweiligen Spielers in Betracht
gezogen werden. Stattdessen ist es sinnvoller den Nutzen relativ zu den Gegenspieler zu sehen.
Dafür muss eine Umwandlung des absoluten Nutzenvektors in einen relativen Nutzenvektor
erfolgen. Einige Lösungen dazu werden in Kapitel 5 vorgestellt.
Für Java Settlers wäre eine Zwischenlösung optimal, die den Nutzenwert des Spielers mit dem
Durchschnitt der anderen Spieler vergleicht. Ziel des Spielers ist es also, sich möglichst weit
abzusetzen gegenüber dem durchschnittlichen Rest, was auch die Interpretation des Spiels als
Rennen widerspiegelt. Der Durchschnitt jedoch ist anfällig für Ausreißer und somit nicht gänz-
lich geeignet. Abhilfe schafft hier noch ein zusätzliches Entropie-Maß in Java Settlers, welches
ebenfalls in Kapitel 5 erklärt wird.
Um die Laufzeit des Minimax-Algorithmus zu verbessern, kann der Spielbaum an geeigneten
Stellen beschnitten werden. Das bekannte Alpha-Beta-Pruning berechnet während der Suche
einen α-Wert mit der bestmöglichen und einen β-Wert mit der schlechtmöglichsten Alternative
[38]. Stellt sich bei einem Knoten heraus, dass die Kinder keine bessere bzw. schlechtere Be-
wertung mehr liefern können, als anhand des α-Wert bzw. β-Wert, so kann der Ast abgeschnitten
werden und benötigt nicht mehr berechnet zu werden. Abbildung 9 zeigt den Verlauf von einer
Alpha-Beta-Kürzung. Bei einer theoretisch perfekten Sortierung der Knoten schafft Alpha-Beta
die Laufzeit auf O(b m/2 ) zu drücken [38]. Leider ist bis heute keine äquivalente Lösung für
Mehrspieler bekannt, daher ist in Java Settlers keine Alpha-Beta-Kürzung vorgesehen.
Weitere Optimierungen bieten Transpositionstabellen, Ruhesuche, Datenbanken usw., auf die
hier nicht näher eingegangen und stattdessen auf die Literatur verwiesen wird [39, 40, 41].