REKAYASA PERANGKAT LUNAK GAME

REVIEW PAPER
"PAC-MAN"











ABDI K. RADJA (2213205017)
FAJAR HARIADI (2213205016)
VINA OKTAVIANI (2213205007)



JARINGAN CERDAS MULTIMEDIA
PROGRAM TEKNOLOGI PERMAINAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
2014
Learning to Play Pac Man : An Evolutionary. Rule based Approach
A. Introduction
1. Pac Man adalah permainan komputer arcade real-time yang mengumpulkan kembali sebuah versi
sederhana dari banyak permainan FPS modern.
2. Versi klas dari Pac.Man adalah one-player game dimana pemain mengarahkan karakter Pac.Man
mengelilingi sebuah mase, mencoba untuk menghindari 4 karakter ghost sambil memakan titik
titik asalnya yang terbagi bagi sepanjang mase. Jika Pac.Man bertabrakan dengan ghost
maka ia akan kehilangan 1 dari 3 nyawa dan kembali bermain dengan ghost yang telah
ditugaskan lagi dari lokasi awal mereka. ( Ghost ditengah maze ). 4 power pills adalah diposisi
asal dekat dengan masing masing sudut maze tersebut. Ketika Pac. Man memakan 1 power pill
maka ia dapat memakan ghost untuk beberapa saat. Permainan barakhir ketika Pac.Man
kehilangan semua nyawanya.
3. Paper ini mendeskripsikan sebuah kemunculan awal untuk perkembangan artificial agent yang
mengganti pemain Pac. Man.
B. Pendekatan AI pada Pac.Man
Koza dan Rosca menggunakan Pac.Man sebagai sebuah contoh daerah yang bermasalah untuk
mempelajari keefektifan dari genetik program sebagai tugas utama. Mereka menampilkan rely
pada sebuah set kontrol primitif yang sudah dikenal untuk persepsi aksi dan kontrol program.
Program menampilkan kembali cara itu agar dapat memecahkan maze dari sebuah struktur,
menghasilkan urutan sederhana yang diikuti.
Tujuan dari penelitin ini adalah untuk menyelidiki teknik untuk mengembangkan sebuah agen
adaptif yang mempelajari secara induktif untuk bermain Pac.Man. pendekatan kita adalah terarah
pada memproduksi agent yang dapat belajar yang hanya didasarkan pada informasi yang ada
untuk seorang pemain. Dalam kenyataannya agent tidak seharusnya bisa untuk memanfaatkan
kemampuan internal mengenai permainan tersebut, agent seharusnya bisa mempertimbangkan
faktor eksternal dari software game tersebut. Selanjutnya agent seharusnya bisa belajar
menyamaratakan strategi untuk game play yang baik, tidak berdasarkan struktur yang tepat dari
sebuah maze tapi lebih ke prinsip umum pada strategi yang bagus untuk bermain Pac.Man.
C. Desain agent AI yang mempelajari untuk bermain Pac.Man secara induktif
Pac.Man adalah sebuah game yang sederhana untuk dideskripsikan dan dimainkan.
Pendekatan disini awalnya adalah untuk menghapus kompleksitas dari permainan untuk melihat
jika ada kemungkinan untuk menghasilkan sebuah agen yang efektif pada lingkungan Pac.Man
yang sederhana. Sebuah tampilan kembali yang berpotensi mampu untuk menangkap aspek
umum dari strategi dasar manusia yang menghasilakn sebuah platform yang baiknpada tes
kemungkinan yang menggunakan pendekatn evolusi untuk pembelajaran. Seorang pemain bisa
melihat seluruh maze selama permainan berlangsung, tapi secara dinamis perhatian mereka
terfokus pada area terdekat dari maze dimana Pac.Man berada. Planing jangka panjang mereka
pada kenaikan level seharusnya tidak hanya sulit untuk pemain tetapi juga tidak efektif.
Permulaan pendekatan untuk artifisial Pac.Man agent adalah untuk melihat permainan sebagai
sebuah nomor kecil pada kemungkinan tipe putaran, bersamaan dengan dasar informasi global
seperti posisi dan perpindahan ghost.
Pada gambar 2. Kategori keseluruhan maze untuk jenis giliran, mencakup koridodor yang lurus.
Pada setiap langkah permainan, agent langsung berada di turn type tertentu dan menghasilkan
output yang menjadi arah utama pada perpindahan Pac.Man.
Hasil ini dalam kebutuhan untuk pertimbangan sebuah nomor turn type yang mungkin dan
gabungan posisi ghost. Kita mengelompokkan posisi ghost seperti maju, mundur,kiri, kanan,
maju kiri, maju kanan, mundur kiri, atau mundur kanan.
Implementasi dari agent berdasarkan spesifikasi atas pemimpin pada jumlah 85 parameter,
pengumpulan sampai sebuah parameter vektor P = (p1, ..., p85), kontrol perilaku agent. Sebuah
sub-component pada P digunakan untuk memutuskan arah gerakan Pac.Man yang baru,
bergantung pada gerakan sebelumnya, type putaran, orientasi, dan lokasi ghost. Parameter p1
adalah nilai jarak pada perubahan agent dari penyelidikan untuk mundur, dihitung secara
langsung jarak Manhattan antara Pac.Man dan ghost. Semua parameter dari P adalah nilai
kemungkinan 0 pi 1, i = 2, ..., 85.
Agent() {
While(game is in play)
Currentdistance = distance(pacman,ghost)
Ifcurrentdistance > 1 then
Explore
Else
Retreat
End
}
Explore(){
Switch (turntype){
Case corridor
Newdir = random(P,prevdir,turntype)
Case L-turn
Newdir = random(P,prevdir,turntype)
Case T-turn
Newdir = random(P,prevdir,turntype,orientation)
Case Intersection-turn
Newdir = random(P,prevdir,turntype)
}
}
Retreat(){
Switch(turntype){
Case corridor
Newdir = random(P,prevdir,turntype,ghostpos)
Case L-turn
Newdir = random(P,prevdir,turntype,orientation, ghostpos)
Case T-turn
Newdir = random(P,prevdir,turntype,orientation, ghostpos)
Case Intersection-turn
Newdir = random(P,prevdir,turntype, ghostpos)
}
}



Ada beberapa kemungkinan arah untuk bergerak termasuk mempertahankan posisi sementara,
1. dalam kondisi ekplorasi, probabilitas pengambilan keputusan dibuat untuk mengambil
kemungkinan arah berdasarkan jenis persimpangan(koridor,L-turn,T-junction,intersection),
ini memungkinkan pac-man untuk melakukan eksplorasi.
2. Dalam kondisi retreat pac-man juga mempertimbangkan posisi musuh untuk menentukan
output keputusan.


D. Metodologi Simulasi
1. Fitness Function
Untuk permainan Pac.Man yang sederhana sebuah fitness function dikembangkan terutama
berdasarkan pada skor yang diperoleh dari Pac.Man. Mempertimbangkan pengaturan waktu
Pac.Man untuk bertahan seharuskan menjadi faktor pada fitness function. Meskipun dengan
catatan bahwa ada juga kemungkinan Pac.Man berhasil menghindari Ghost dengan tidak
terbatas, tapi gagal menyelesaikan misi pada maze.
Nilai dan faktor waktu pada fitness function adalah normalisasi nilai waktu mereka pada tiap
level.
2. Algoritma
Algoritma yang digunakan untuk mempelajari parameter agent adalah sebuah implementasi
pada population-based incremental learning (PBIL) untuk jarak selanjutnya. Masing masing
komponen pada faktor probabiliti manampilkan hasil distribusi Gausian.
E. Result
Fitur yang diimplementasikan seperti diatas, setiap parameter mempunyai kegunaan yang jelas
untuk mempengaruhi keputusan/output dari agen. Penyettingan memperbolehkan agen/pac-man
untuk melakukan explorasi dan menghindari musuh .











An Influent Model For Playing Ms. Pac-Man
Ms. Pac-Man merupakan pensukses dari game Pac-Man, kedua game tersebut sangat mirip tetapi
memiliki sejumlah perbedaan contohnya Ghost pada Pac-man berperilaku deterministik. Misalkan pada
Pac-Man, agen bergerak dengan jalan dan kecepatan yang sama, sehingga pergerakan Ghost (mengejar
pac-man) akan berulang-ulang. Hal ini memungkinkan pemain untuk memperbaiki strategi bermain yang
digunakan dengan menggunakan jalan optimal untuk pac-man. Pada Ms. Pac-man pergerakan Ghost
memiliki element pseudo-random yang memungkinkan untuk mempelajari jalan sehingga permainan
semakin menantang untuk dimainkan. Pada paper ini dibahas metode pemahaman map yang kerap kali
digunakan dalam game komputer, robotik dal hal lainnya.
I nfluence Map Model
Teknik Influence Map merupakan teknik yang berdasar pada location-based information system.
Teknik ini merepresentasikan posisi yang diinginkan dan yang tidak dinginkan pada map. Game objek,
agent dan fitur lainnya membangkitkan nilai tertentu yang mempengaruhi posisi pemain (Pac-man) pada
saat itu, sehingga influence map merupakan array yang merepresentasikan nilai-nilai pengaruh lokasi
pada map. Sebagai contoh lokasi makanan, darah, atau poin akan memberikan nilai positif pada lokasinya
sedangkan agen musuh atau objek yang harus dihindari akan memberikan nilai negatif. Berdasarkan data
ini agent harus memutuskan kemana harus melangkah dengan melihat daerah-daerah yang memiliki nilai
positif pada influence map.
Pada Pac-Man objek-objek yang mempengaruhi influence map adalah dots, ghost dan edible
ghost (fruits dan fitur-fitur lainnya tidak ikut mempengaruhi influence map). Power Pills dianggap
sebagai Dot , map didefinisikan sebagai matrix 28 x 31 (termasuk dinding luar), tiap grid matrix memiliki
luas 8 x 8 piksel. Influence map dihitung berdasarkan lokasi pada gtrid matrix.
Ide utama influence map pada paper ini adalah Pac-Man mengambil dots, menghindari ghost, dan
memakan edible ghost. Perhitungan yang digunakan adalah :

(

Dimana i
(x,y)
merupakan nilai evaluasi posisi pada maze dengan koordinat x dan y. pada
rumus/kondisi (Term) pertama bagian kanan akan menghasilkan nilai positif pada influence map untuk
dots yang belum diambil, n
d
(termasuk power pill). P
dots
merupakan parameter yang mengontrol bobot
pada perhitungan.

merupakan jarak antara dots yang belum diambil dan posisi yang
dievaluasi (pada paper ini menggunakan jarak euclidian). Pengaruh nilai dot kemudian din-invers
proporsional dan diperlakukan secara geometri. Kemudian

merupakan jumlah dots yang telah diambil

(Pada maze ini jumlah dots =

= 224) dengan menambahkan nilai ini akan meningkatkan

pengaruh tiap dots yang tersisa sejalan dengan berkurangnya jumlah dots dalam maze. Hal ini sangat
berguna pada beberapa kondisi misalnya satu atau dua dots tersisa dengan letak terisolasi (jauh dari Pac-
Man) maka Pac-man Cuma akan mendapat sedikit pengaruh dari objek ini. Namun sebagai
konsekuensinya Ms. Pac-Man kemungkinan tidak bisa menuntaskan maze dan permorfa Pac-man akan
menurun jika dots terpisah-pisah.
Kondisi kedua mirip seperti kondisi pertama diatas akan tetapi kali ini akan diproduksi nilai
negatif pada influence map dengan menggunakan (inedible) Ghost pada maze. Perhitungan dilakukan
dengan menghitung jumlah inedible ghost pada maze, n
r
. untuk mengontrol bobot kondisi dalam
perhitungan digunakan p
run
. Tiap kondisi dalam perhitungan di skala dengan nilai n
d
sehingga tiap kali
game melakukan proses maka nilai n
d
yang mengakibatkan pengaruh inedible ghost juga menurun.
Kondisi ketiga juga mirip seperti kondisi sebelumnya tetapi dengan menambahkan nilai pengaruh
positif untuk edible ghost (ghost berwarna biru). Parameter p
chase
mengontrol bobot perhitungan dan tidak
ada faktor skala yang digunakan.
Pada saat memainkan Ms. Pac-Man, agent perlu menyediakan input untuk mengontrol arah
pergerakan dari Ms. Pac-Man (atas, abawah, kanan & kiri) agar agent dapat menghasilkan input ini maka
dilakukan perhitungan influence map pada keempat arah ini hasil perhitungan dengan nilai maksimum
yang akan dipilih sebagai langkah yang diambil.