• 한국게임학회 논문지
• /
• 제19권3호
• /
• pp.25-32
• /
• 2019

본 논문은 유전 알고리즘을 통한 Match-3 게임의 레벨 자동 생성 방법을 제안한다. 적절한 난이도의 게임 레벨을 만들기 위하여 사람이 일일이 게임 레벨을 조절해야 한다면, 사람은 그것을 위한 많은 시간과 노력이 필요하다. 본 논문에서는 유전 알고리즘을 적용하여 Match-3 게임에서의 난이도에 맞는 블록조합을 생성한다. 각 게임 레벨의 블록조합이 진화되는 개체이다. 유전자인 정수로부터 블록조합 개체를 생성하고, 주어진 성공확률과 컴퓨터가 플레이했을 때의 성공확률이 가까워질수록 적합도가 높아지도록 설정하여 해당 블록조합을 진화시킨다. 이를 통해 게임 난이도에 맞는 적절한 블록조합들을 생성하는 데 성공하였으며, 실험한 결과 컴퓨터가 결정한 난이도가 실제 사람이 게임했을 때의 결과에 영향을 준다는 것을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.307-308
• /
• 2019

매치3 퍼즐 게임은 모바일 게임에서 많이 출시되고 있으며 많은 사람들이 즐기고 있는 장르이다. 또한 유사한 규칙과 형태를 가진 게임들이 지속적으로 출시 예정에 있다. 본 논문에서는 매치3 퍼즐 게임이 많은 레벨로 구성되어 있는 점에 비추어 매치3 퍼즐 게임의 레벨을 설계하는 방법에 대해서 후속 연구의 방향성을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.309-310
• /
• 2019

매치3 퍼즐 게임은 모바일 게임에서 많이 출시되고 있으며 많은 사람들이 즐기고 있는 장르이다. 또한 유사한 규칙과 형태를 가진 게임들이 지속적으로 출시 예정에 있다. 본 논문에서는 매치3 퍼즐 게임이 많은 레벨로 구성되어 있는 점에 비추어 매치3 퍼즐 게임의 레벨 난이도를 측정할 수 있는 방법에 대해서 후속 연구의 방향성을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.609-610
• /
• 2021

본 논문에서는 매치 3 게임에서 사용되고 있는 수집, 이야기, 꾸미기 등을 활용한 메타 레이어를 통한 게임 플레이에 대한 특징에 대해서 알아보고, 향후 매치 3게임의 게임 플레이 방식의 변화에 대한 연구 방향성에 대한 기준을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.73-74
• /
• 2019

매치3 퍼즐 게임은 모바일 게임에서 많이 출시되고 있으며 많은 사람들이 즐기고 있는 장르이다. 또한 유사한 규칙과 형태를 가진 게임들이 지속적으로 출시 예정에 있다. 본 논문에서는 매치3 퍼즐 게임과 다른 장르 게임의 융합에 대해서 알아보고 후속 연구의 방향성을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.648-651
• /
• 2022

Match-3 Game 은 스테이지 구성 및 난이도 설정이 중요한 게임이나 다양한 밸런스 요소로 인해 스테이지 구성에 중요한 요소인 난이도 설정에 많은 시간이 소요된다. 특히 게임을 플레이하는 유저가 재미를 느끼는 수준으로 난이도를 설정하는 것이 중요하며, 이를 자동화하기 위해 실제 유저의 플레이 데이터를 활용하여 사람과 유사한 수준의 자동 플레이 에이전트 개발이 진행되었다. 하지만 플레이 데이터의 확보는 쉽지 않기에 연구 방향은 플레이 데이터가 없는 강화학습으로 확장되고 있다. 스테이지 구성에 중요한 요소인 난이도를 설정하기 위함이라면 각 스테이지 간의 상대적인 난이도 차이를 파악하는 것으로 가능하다. 이를 위해 게임의 규칙을 학습한 강화학습 에이전트로 밸런스 요소의 변화에 따른 다양한 난이도의 스테이지를 50 회씩 플레이하여, 평균 획득 점수를 기준으로 스테이지 구성에 필요한 각 스테이지들의 난이도를 파악할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.611-612
• /
• 2021

매치 3게임에서 플레이테스팅 방법은 전통적으로 사람들을 이용하는 방법으로 지속되어 왔으며, 최근에는 딥러닝을 이용하는 방법으로서 게임의 장르적인 특성들을 고려해서 각 레벨에 대한 플레이 데이터를 이용한 지도학습 방법과 환경과 상황 그리고 보상을 통한 강화학습 방법들이 연구되고 있다. 본 논문에서는 매치 3게임에서 강화학습을 이용한 플레이테스팅의 향후 연구 방향성에 대해서 기준을 제시한다.

• 융합정보논문지
• /
• 제11권3호
• /
• pp.1-6
• /
• 2021

매치 3 퍼즐 게임들은 주로 MCTS(Monte Carlo Tree Search) 알고리즘을 사용하여 자동 플레이를 구현하였지만 MCTS의 느린 탐색 속도로 인해 MCTS와 DNN(Deep Neural Network)을 함께 적용하거나 강화학습으로 인공지능을 구현하는 것이 일반적인 경향이다. 본 연구에서는 매치 3 게임 개발에 주로 사용되는 유니티3D 엔진과 유니티 개발사에서 제공해주는 머신러닝 SDK를 이용하여 PPO(Proximal Policy Optimization) 알고리즘을 적용한 강화학습 에이전트를 설계 및 구현하여, 그 성능을 확인해본 결과, 44% 정도 성능이 향상되었음을 확인하였다. 실험 결과 에이전트가 게임 규칙을 배우고 실험이 진행됨에 따라 더 나은 전략적 결정을 도출 해 낼 수 있는 것을 확인할 수 있었으며 보통 사람들보다 퍼즐 게임을 더 잘 수행하는 결과를 확인하였다. 본 연구에서 설계 및 구현한 에이전트가 일반 사람들보다 더 잘 플레이하는 만큼, 기계와 인간 플레이 수준 사이의 간극을 조절하여 게임의 레벨 디지인에 적용된다면 향후 빠른 스테이지 개발에 도움이 될 것으로 기대된다.

• 한국게임학회 논문지
• /
• 제16권1호
• /
• pp.43-50
• /
• 2016

본 연구의 목적은 특정 게임성 향상을 목표로 제작된 모바일 퍼즐게임을 기존 상용 게임들과 비교해 해당 게임성이 어느 정도의 경쟁력을 가지고 있는지에 대한 평가를 시도하는 것이다. 상용화에 앞서 모바일게임이 목표로 하고 있는 게임성에 대한 평가가 이루어진다면 이후에 진행되는 마케팅, 서비스와 같은 사업절차들이 보다 효율적으로 시행될 수 있을 것이다. 평가 대상 게임은 match 3 방식의 모바일 퍼즐게임이며 캔디크러쉬사가와 포코팡을 비교대상 게임으로 설정하여 비교분석하였다. 평가를 위해 선정한 게임성 평가지표는 몰입감, 도전감, 지속적사용의도이며 각 평가지표에 대한 중요도를 AHP를 통해 산출하였다. 이후 세 가지 게임을 쌍대비교방식으로 평가하고 평가지표의 중요도를 적용하는 방식으로 종합적 게임성에 대한 비교평가를 시도하였다.

• 한국멀티미디어학회논문지
• /
• 제23권12호
• /
• pp.1565-1575
• /
• 2020

This study examines the game balance of the MOBA game genre, which was selected as a model item for the Asian Games. The "bird-eye view" was used for a more efficient representation of 3D modeling. Based on that, statistical analysis was conducted to present appropriate game camera settings and camera balance to match the competitive structure of the MOBA game. A review of the game camera settings reveals that 64° to 70° is the angle that minimizes the difference in vision between the two-player teams the most. Through a one-way ANOVA analysis, we found that the user ranking level and SVB value are closely related. Therefore, the factor of the regression equation using the SVB value must have a user ranking level. As a result of the optimized camera focus analysis of , the camera setting methods were classified into 3 types. For main action games, the recommended camera angle is 64°~66°, and the recommended camera focus is 11.2 mm~19.3 mm. For action and strategy games, the camera angle is 66°~68°, camera focus - 19.3 mm~27.3 mm. And lastly, for the main strategy game, the recommended camera angle is 68°~70°, and the camera focus is 27.3 mm~35.3 mm.