 O co se pokoušíme  Stav p ř i minulé minikonferenci  Jak jsme pokro č ili  Po č ítání fitness  Problémy, na které jsme narazili  O co se pokusíme.

Prezentace na téma: " O co se pokoušíme  Stav p ř i minulé minikonferenci  Jak jsme pokro č ili  Po č ítání fitness  Problémy, na které jsme narazili  O co se pokusíme."— Transkript prezentace:

1

2  O co se pokoušíme  Stav p ř i minulé minikonferenci  Jak jsme pokro č ili  Po č ítání fitness  Problémy, na které jsme narazili  O co se pokusíme nyní  Video ze hry  Mo ž ná i samotné spušt ě ní hry  O co se pokoušíme  Stav p ř i minulé minikonferenci  Jak jsme pokro č ili  Po č ítání fitness  Problémy, na které jsme narazili  O co se pokusíme nyní  Video ze hry  Mo ž ná i samotné spušt ě ní hry

3 Vytvo ř it po č íta č ovou hru Proti sob ě budou bojovat dva týmy Cíl ka ž dého č lena týmu: Zabít co nejvíce nep ř átelských hrá čů Prozkoumat co nejvíce území P ř e ž ít co nejdéle Jak toho docílíme: Pomocí lineárních genetických algoritmů Vytvo ř it po č íta č ovou hru Proti sob ě budou bojovat dva týmy Cíl ka ž dého č lena týmu: Zabít co nejvíce nep ř átelských hrá čů Prozkoumat co nejvíce území P ř e ž ít co nejdéle Jak toho docílíme: Pomocí lineárních genetických algoritmů

4  Hrá č i neum ě li m ě nit sm ě r pohybu  Mohli st ř ílet  Mohli se k ř í ž it  Jen č áste č n ě vid ě li zdi  Hrá č i neum ě li m ě nit sm ě r pohybu  Mohli st ř ílet  Mohli se k ř í ž it  Jen č áste č n ě vid ě li zdi

5  Hrá č i ji ž docela dob ř e vidí Vidí zdi a ostatní paná č ky Ví, jestli je to co vidí p ř ed nimi nebo vedle nich  Zjistili jsme optimální hodnoty parametr ů pot ř ebných ke k ř í ž ení Zabralo nejvíce č asu  Kone č n ě se nám poda ř ilo vyzkoušet funk č nost genetických algoritm ů – fungují !  Hrá č i ji ž docela dob ř e vidí Vidí zdi a ostatní paná č ky Ví, jestli je to co vidí p ř ed nimi nebo vedle nich  Zjistili jsme optimální hodnoty parametr ů pot ř ebných ke k ř í ž ení Zabralo nejvíce č asu  Kone č n ě se nám poda ř ilo vyzkoušet funk č nost genetických algoritm ů – fungují !

6

7  Je t ř eba ur č it úsp ě šnost jedinc ů Kritéria úsp ě šnosti jedinc ů : Zabití soupe ř e+ 700 000 bod ů P ř e ž ití celé hry+ 100 000 bod ů Vzdálenost od po č átku+ 500 bod ů / pixel Ušlá cesta+ 30 bod ů / pixel Délka ž ivota+ 5 bod ů / cyklus Zabití spoluhrá č e- 100 000 bod ů

8  Je t ř eba ur č it úsp ě šnost jedinc ů Kritéria úsp ě šnosti jedinc ů : Zabití soupe ř e+ 700 000 bod ů P ř e ž ití celé hry+ 100 000 bod ů Vzdálenost od po č átku+ 500 bod ů / pixel Ušlá cesta+ 30 bod ů / pixel Délka ž ivota+ 5 bod ů / cyklus Zabití spoluhrá č e- 100 000 bod ů

9  Vid ě ní hrá čů Velké zatí ž ení procesoru  100 hrá čů doká ž e vytí ž it 3 GHz procesoru  Opera č ní pam ěť - memory leak  Velké mno ž ství instrukcí Sni ž uje se tím šance, ž e se najde chytrý jedinec V ě tšina instrukcí nepot ř ebných  Vypadávání hrá čů z mapy  Vid ě ní hrá čů Velké zatí ž ení procesoru  100 hrá čů doká ž e vytí ž it 3 GHz procesoru  Opera č ní pam ěť - memory leak  Velké mno ž ství instrukcí Sni ž uje se tím šance, ž e se najde chytrý jedinec V ě tšina instrukcí nepot ř ebných  Vypadávání hrá čů z mapy op_movop_jmpop_jbeop_FORWARD op_moviop_jmpiop_jbeiop_BACK op_addop_exitop_jgeop_STRAFE_LEFT op_addiop_jeop_jgeiop_STRAFE_RIGHT op_negop_jeiop_cmpiop_TURN_LEFT op_randop_jneop_cmpn i op_TURN_RIGHT op_randiop_jneiop_countop_FIRE

10  Vyzkoušeli jsme hrá čů m vlo ž it námi vytvo ř ené chování  Objevili jsme problémy Zjistili jsme, ž e je to velmi obtí ž né Objevili jsme problémy s vid ě ním hrá čů  Zbytek hry fungoval skv ě le  Vyzkoušeli jsme hrá čů m vlo ž it námi vytvo ř ené chování  Objevili jsme problémy Zjistili jsme, ž e je to velmi obtí ž né Objevili jsme problémy s vid ě ním hrá čů  Zbytek hry fungoval skv ě le

11  Zdokonalit vid ě ní Sní ž it nároky na po č íta č Zvýšit po č et vstupních informací  Sní ž it po č et instrukcí v genomu N ě které nepot ř ebné instrukce vymazat N ě které instrukce spojit a vytvo ř it z nich jednu  Zbude-li č as, tak i jednoduché 3D prost ř edí  Zdokonalit vid ě ní Sní ž it nároky na po č íta č Zvýšit po č et vstupních informací  Sní ž it po č et instrukcí v genomu N ě které nepot ř ebné instrukce vymazat N ě které instrukce spojit a vytvo ř it z nich jednu  Zbude-li č as, tak i jednoduché 3D prost ř edí

12

13