게임 인공지능은 플레이어에게 지능적이고 적응된 게임 환경을 제공하기 위해 주로 사용된 다. 기존에는 사용자의 게임 행위를 수집/분석하여 동반자 또는 적대적 역할을 하는 Non-player character (NPC)를 위해 사용되었다. 그러나 사용자의 행동을 모방하는 것에서 그치는 경우가 많았다. 본 논문은 사용자의 게임 행위를 분석하여 게임 환경을 변화하는 방법을 소개한다. 사용자의 게임 성향을 파악하기 위해 게임 행위 데이터를 이용하였다. 또한, 사용자의 성향은 지형, 아이템, NPC의 분포를 결정하는데 반영하여 동적인 게임 환경을 제공하기 위해 사용하였다. 제안하는 방법의 실험을 위해 실제 2D 액션 게임에 적용하였고, 사용자의 게임 플레이 행위에 대하여 적절히 변화하는 게임 환경을 확인하였다.

게임 사용자와 자주 소통하는 게임 요소는 NPC이다. 최근 게임에서 사용되는 인공지능 알고리즘은 많은 발전을 이루었지만, NPC의 행동은 과거 게임 내의 단순한 행동을 하는 수준에서 머물러 있다. 사람과 비슷한 NPC의 행동 관찰을 주된 목적으로 하는 라이프 게임의 경우, 단순한 행동의 NPC는 게임을 지루하게 만드는 요인이 되고 있다. 이것은 NPC를 생성할 때 사람과 같은 다양한 성격과 그에 따른 행동을 보여주는 방법이 미흡하기 때문이다. 사람과 비슷한 행동을 하는 NPC를 생성하려면 사람과 같은 다양한 성격과 그에 따른 다양한 행동 생성이 필요하다. 본 논문에서는 확률 분포를 이용하여 캐릭터의 성격에 따라 다양한 감정을 표현하고, 그에 따른 행동 생성 방법에 관해 기술한다. 본 논문에서 기술한 행동 생성 방법을 실제 3D환경의 게임에 적용함으로써, 본 연구에서 제시한 연구 방법에 대한 성능을 입증하였다.

대부분의 디자이너는 3DS MAX와 같은 전문 3D 애니메이션 저작도구를 사용하여 수작업으로 애니메이션을 제작한다. 이 방법은 많은 시간과 노력을 필요로 하며, 애니메이션 캐릭터들이 서로 상호작용 할 수 없다. 이를 개선하기 위해, 본 논문에서는 3DS MAX플러그인 형태의 인공지능 미들웨어를 설계하고 미들웨어에 필요한 인공지능 표현 구조와 내부 처리 방안을 제안한다. 제안 방법은 캐릭터가 보유할 인공지능 요소를 도형과 선분으로 그려 표현하는 방법으로 캐릭터의 인공지능 구조를 제작한다. 실험을 위해 기존 방법과, 제안하는 방법을 사용하여 동일한 애니메이션을 제작하고 작업량을 측정하였다. 실험 결과 소규모 작업에서는 기존의 방법과 비슷하거나 작업량이 많으나, 대규모의 작업에서는 기존 방법에 비해 최대 43%의 작업량 감소를 확인하였다. 본 논문에서 제안하는 방법을 사용하면, 애니메이션에서 캐릭터간의 상호작용이 가능하며 작업량 감소 효과를 얻을 수 있다.

오늘날 스포츠, RTS, RPG 게임과 같이 멀티 플레이어가 한 팀을 이루는 집단형 방식의 게임은 팀 인공지능 기술이 더욱 필요하다. 기존의 독립적인 지능형 에이전트는 스스로 문제를 해결하는 자율성 향상 연구에 치중하였으나, 이는 다른 에이전트간의 협동 및 상호작용 능력이 부족하다. 이를 위해 본 논문은 다중에이전트 시스템에서 효과적인 역할 분담과 자율성을 갖는 레벨통합 접근방식을 소개한다. 복잡한 목표를 성취하기 위해 에이전트의 역할 정보를 이용하여 각자의 목표를 할당하고 각 에이전트는 맡은 역할을 동적인 환경에서 스스로 판단하고 행동한다. 팀 전체의 목표는 상호 보완된 역할 분담의 전략적인 측면에서 조정한다. 각 에이전트는 데이터보드를 이용하여 서로의 상태 정보를 공유하여 상호 협동을 유도한다. 역할이 할당된 각 에이전트는 스스로 계획기능을 갖고 있어 동적인 환경에서 적합한 행동을 취한다. 이 협동과 상호작용 과정에서 충돌의 문제점이 발생하는데 이를 제어하는 조정 에이전트의 역할을 전략적 측면에서 접근한다. 본 논문에서 제시하는 레벨통합 접근방식이 기존의 중앙 집권적 접근방식, 분권적 접근방식과 비교 실험하여 기존 방식보다 성능이 향상됨을 보인다.

게임 인공지능 분야중 하나인 경로탐색은 좀더 사실적인 게임을 만들기 위한 중요한 요소이다. 경로탐색 시스템은 한정된 자원을 소비해야만 하는 제약사항 때문에 때때로 단순하게 처리되어 사실적이지 못한 경로를 생성하였다. 기존 연구에서는 정적인 지형과 장애물들을 이용하여 자연스럽게 회피하는 경로생성에 집중하였다. 하지만, 게임 공간에서는 다양한 종류의 움직이는 장애물들이 존재한다. 따라서 이러한 움직이는 장애물을 자연스럽게 회피하는 경로를 생성하는 시스템 이 필요하다. 본 논문에서는 네비게이션 메시(Navigation Mesh)로 공간을 표현하며 지형의 특성을 고려한 경로 탐색 방법을 적용하고, 움직이는 물체를 회피하기 위하여 지능적인 밀개와 끌개의 방법을 사용하여 경로 탐색을 수행한다. 제안된 시스템을 통하여 생성된 경로를 살펴보고 실제 게임에서의 활용성을 검증한다.

지능형 서비스 로봇은 인공지능 및 센서인터페이스 등의 다양한 기능과 IT기술의 접목으로 우리의 생활을 윤택하게 해줄 수 있는 인간 지향적인 성격으로 발전하고 있다. 또한 많은 분야에서 새로운 서비스 개발을 통해서 좀더 인간의 생활에 가까이 접근되어 지고 있다. 한편 국내 초등학교에서 초등교사는 학생 수의 과다로 능동적이기 보다는 수동적인 수업을 하고 있어서 학습 효율성이나 능률성이 떨어지고 있다. 이에 본 연구에서는 발전하고 있는 서비스 로봇 기술로 능

This study is aimed at the development of a runoff forecasting model to solve the uncertainties occurring in the process of rainfall-runoff modeling and improve the modeling accuracy of the stream runoff forecasting. The study area is the downstream of Naeseung-chun. Therefore, time-dependent data was obtained from the Wolpo water level gauging station. 11 and 2 out of total 13 flood events were selected for the training and testing set of model. The model performance was improved as the measuring time interval(Tm) was smaller than the sampling time interval(Ts). The Neuro-Fuzzy(NF) and TANK models can give more accurate runoff forecasts up to 4 hours ahead than the Feed Forward Multilayer Neural Network(FFNN) model in standard above the Determination coefficient(R2) 0.7.

게임 속의 인공 지능을 높일 수 있는 지형 분석의 방안에 대하여 소개한다. 지형 분석의 방법을 온라인 게임 서버의 AI 방식에 사용함에 의해서 정해진 패턴이 아닌 좀 더 현실적인 AI의 수행이 가능하다. 본 논문에서는 지형 분석을 통하여 NPC들의 행동패턴을 다양화 할 수 있는 방안을 제시하고 이를 구현하기 위한 온라인 게임서버에서의 NPC 서버의 구조를 설계하고 이를 토대로 적응형 AI구현을 위한 NPC 서버의 실험 테스트을 통하여 실제로 적용 할 수 있는 방안을 제시 한다.

수질오염 사고를 판단하기위한 경보모형은 다중퍼셉트론과 다층신경망, 뉴로-퍼지 모형들로 구성되었으며, 개발된 기준축에 따른 안정, 주의, 경고 상태를 학습하였다. 수질예측 모형에 유출예측 모형을 연계하고 경보모형을 결합하여 인공지능 시스템을 구축하였으며, 구축된 시스템을 GUI로 구현하였다. GUI 화면은 초기화면, 자료 전처리 과정, 유량예측 과정, 수질예측 과정, 경보시스템의 순으로 진행된다. 수질오염 사고에 대한 시나리오를 작성하여 시스템의 적용성을

평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MD

The Neural Network Models which mathematically interpret human thought processes were applied to resolve the uncertainty of model parameters and to increase the model's output for the streamflow forecast model. In order to test and verify the flood discharge forecast model eight flood events observed at Kumho station located on the midstream of Kumho river were chosen. Six events of them were used as test data and two events for verification. In order to make an analysis the Levengerg-Marquart method was used to estimate the best parameter for the Neural Network model. The structure of the model was composed of five types of models by varying the number of hidden layers and the number of nodes of hidden layers. Moreover, a logarithmic-sigmoid varying function was used in first and second hidden layers, and a linear function was used for the output. As a result of applying Neural Networks models for the five models, the N10-6model was considered suitable when there is one hidden layer, and the N10-9-5model when there are two hidden layers. In addition, when all the Neural Network models were reviewed, the N10-9-5model, which has two hidden layers, gave the most preferable results in an actual hydro-event.

컴퓨터 게임은 실세계에 대한 시뮬레이션으로 간주되어질 수 있다. 소프트웨어 에이젼트의 제어 문제는 인공지능 분야에서 오랫동안 연구되어져 왔으며, 이는 행동기반 접근법이라는 것을 내놓았다. 인공지능 분야에서는 지금까지 크게 세 가지의 접근법을 볼 수 있다. 인지주의는 기호의 형태로 지능이 표현되어질 수 있고 다루어질 수 있다는 것을 제안하였으며, 연결주의에서는 표현이 신체 구조에 내포되어있어서 신체로부터 분리되어질 수 없음이 강조되었다. 행동기반 접근법에서는 인공지능은 동적인 성질을 가져서 어디서든지 존재하지 않는 대신에 에이젼트가 환경에서 행동할 때 비로소 우러나오는 성질을 가진 것으로 제시된다. 본 논문에서는 이러한 세 가지의 접근법을 비교하고 행동기반 접근법의 타당성과 문제점 에 대하여 논한다. 본 논문은 또한 행동기반 접근법의 컴퓨터 게임의 에이젼트 제어에 대한 활용을 제안한다.

본 논문에서는 상수도시설을 효율적으로 운영하는 데 필요한 1일 급수량 수요를 예측하는 방식에 대하여 인공지능(Artificial Inteligence)이라 불리는 퍼지 뉴론(fuzzy neuron)을 이용하여 연구하였다. 퍼지뉴론이란 퍼지정보(fuzzy information)를 입력으로 받아들이고 처리하는 퍼지 신경망을 일컫는 말이다. 본 연구에서는 소속함수와 퍼지규칙을 신경망으로 학습하는 기능인 적응식 학습방법을 통하여 1일 급수량을 예측하였으며 연구