Using genetic algorithms for real-time dynamic difficulty adjustment in games

Abstract

Dynamic Difficulty Adjustment is the area of research that seeks ways to balance game difficulty with challenge, making it an engaging experience for all types of players, from novice to veteran, without making it frustrating or boring. In this dissertation we propose an approach that aims to evolve agents, in this case predators, as a group and in real time, in a way that they adapt to a changing environment. We showcase our approach after using a generic genetic algorithm in two scenarios, pitting the predators vs passive prey in one scenario and pitting the predators vs aggressive prey in another, this is done to create a basis for our approach and then test our algorithm in four different scenarios, the first two are the same as the generic genetic algorithm and in the next two we switch prey in the middle of the experience progressively from passive to aggressive or vice versa.

Adaptação Dinâmica de Dificuldade é a área de pesquisa que procura formas de equilibrar a dificuldade do jogo com o desafio, tornando-o uma experiência envolvente para todos os tipos de jogadores, desde principiantes a veteranos, sem o tornar frustrante ou aborrecido. Nesta dissertação propomos uma abordagem que visa evoluir os agentes, neste caso predadores, como um grupo e em tempo real, de forma a que estes se adaptem a um ambiente em mudança. Nós mostramos a nossa abordagem depois de usar um algoritmo genético genérico em dois cenários, colocando os predadores versus presas passivas num cenário e colocando os predadores versus presas agressivas noutro, isto é feito para criar uma base para a nossa abordagem e depois testamos o nosso algoritmo em quatro cenários diferentes, os dois primeiros são os mesmos que o algoritmo genético genérico e nos dois seguintes trocamos as presas a meio da experiência progressivamente de passivas para agressivas ou vice-versa.