Daha İnandırıcı Oyun Karakterleri İçin Bayes ve Q-Learning Tabanlı Yaklaşım

Oyun programlamada ulasilmak istenen hedeflerden biri de gercek hayatta yer alan kavramlari ve karakterleri oyunlara uyarlamaktir. Bu yaklasim, daha ilgi cekici hareketler sergileyen oyun karakterleri sunmak icin benimsenmektedir. En yuksek odul mantigini ele alan yontemler oyun karakterinin ayni oruntuleri sergilemesine ve tekrara dusmesine sebep olur. Ayni zamanda bu durum oyunun oynanabilirligini azaltir. Bu tur tekrarlayici kaliplari onlemek icin, Naive Bayes ile Q-ogrenme yaklasimina dayali bir davranis algoritmasi gelistirilmistir. Gelistirilen algoritmanin gecerliligi kullanici testleri ile karsilastirmali olarak ortaya konulmustur. Bu testler sonucunda, algoritmanin ogrenmede kullandigi oyun verisi miktari arttikca davranis ogrenme algoritmasinin daha iyi bir performans gosterdigi ve oyun karakterinin daha ilgi cekici hale geldigi gorulmustur.