論文の概要: Using Tabu Search Algorithm for Map Generation in the Terra Mystica
Tabletop Game
- arxiv url: http://arxiv.org/abs/2006.02716v1
- Date: Thu, 4 Jun 2020 09:15:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 09:08:02.075901
- Title: Using Tabu Search Algorithm for Map Generation in the Terra Mystica
Tabletop Game
- Title(参考訳): tabu searchアルゴリズムを用いたterra mysticaテーブルトップゲームにおけるマップ生成
- Authors: Alexandr Grichshenko, Luiz Jonata Pires de Araujo, Susanna Gimaeva,
Joseph Alexander Brown
- Abstract要約: Tabu Search (TS)メタヒューリスティックは、アルゴリズムが局所最適点から逃れることによって、単純な局所探索アルゴリズムを改善する。
本稿では,TSの性能について検討し,タブリストのサイズと周辺地域のサイズが手続き的コンテンツ生成に与える影響について考察する。
- 参考スコア(独自算出の注目度): 60.71662712899962
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tabu Search (TS) metaheuristic improves simple local search algorithms (e.g.
steepest ascend hill-climbing) by enabling the algorithm to escape local optima
points. It has shown to be useful for addressing several combinatorial
optimization problems. This paper investigates the performance of TS and
considers the effects of the size of the Tabu list and the size of the
neighbourhood for a procedural content generation, specifically the generation
of maps for a popular tabletop game called Terra Mystica. The results validate
the feasibility of the proposed method and how it can be used to generate maps
that improve existing maps for the game.
- Abstract(参考訳): Tabu Search (TS)メタヒューリスティックは、アルゴリズムが局所最適点から逃れることによって、単純な局所探索アルゴリズム(例えば、最も急勾配の登山)を改善する。
いくつかの組合せ最適化問題に対処するのに有用であることが示されている。
本稿では,TSの性能について検討し,Tabuリストのサイズと周辺地域のサイズがプロシージャコンテンツ生成に与える影響,特にTerra Mysticaと呼ばれる人気のテーブルトップゲーム用マップの生成について考察する。
その結果,提案手法の有効性が検証され,既存のマップを改良したマップを生成する方法が得られた。
関連論文リスト
- GAN-Based Content Generation of Maps for Strategy Games [0.0]
本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。
実装では、ハイトマップのデータセット上で、GANベースのネットワークのさまざまな変種をテストした。
論文 参考訳(メタデータ) (2023-01-07T15:24:25Z) - Learning Obstacle-Avoiding Lattice Paths using Swarm Heuristics:
Exploring the Bijection to Ordered Trees [0.0]
パスは、離散/グリッドマップでの効率的なナビゲーションを行う機能的なエンティティである。
本稿では,衝突のない格子路を経路で生成する新しい手法を提案する。
論文 参考訳(メタデータ) (2022-09-12T12:27:12Z) - Towards Target High-Utility Itemsets [2.824395407508717]
応用インテリジェンスでは、ユーティリティ駆動型パターン探索アルゴリズムは、データベースの洞察力と有用なパターンを識別することができる。
重要な研究課題として、ターゲットとした高ユーティリティアイテムセットマイニングが登場している。
本稿では,マイニングプロセス中に高ユーティリティなアイテムセットを迅速にマッチングしてターゲットパターンを選択することができるTHUIMを提案する。
論文 参考訳(メタデータ) (2022-06-09T18:42:58Z) - Long-term Visual Map Sparsification with Heterogeneous GNN [47.12309045366042]
本稿では,環境変化を克服し,将来のローカライゼーションに有用な点を選択することで,地図サイズを同時に削減することを目的とする。
グラフニューラルネットワーク(GNN)の最近の進歩に触発されて,SfMマップを異種グラフとしてモデル化し,GNNを用いて3次元点重要度を推定する最初の研究を提案する。
2つの新しい監督手法が提案されている: 1) トレーニングクエリに基づく将来のローカライゼーションに有用なポイントを選択するためのデータ適合用語、2) スパースポイントをフルマップで選択するためのK-Cover用語。
論文 参考訳(メタデータ) (2022-03-29T01:46:12Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-03-28T21:34:16Z) - MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor
Plans [41.31546857809168]
うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。
私たちの主な貢献は、モンテカルロ木探索(mcts)アルゴリズムに依存する原則に基づくアプローチです。
本手法は, 構造化3Dおよびフロア-SPデータセットを用いて評価した。
論文 参考訳(メタデータ) (2021-03-20T11:36:49Z) - Improved Image Matting via Real-time User Clicks and Uncertainty
Estimation [87.84632514927098]
本論文では,トリムアップフリーで,ユーザによるクリック操作だけであいまいさを解消できる深層画像マッチングフレームワークを提案する。
研磨が必要な部品を予測できる新しい不確実性推定モジュールと、以下の局所精製モジュールを紹介します。
その結果,既存の trimap-free メソッドよりも優れた性能を示し,ユーザの労力を最小限に抑え,最先端の trimap-based メソッドと比較できることがわかった。
論文 参考訳(メタデータ) (2020-12-15T14:32:36Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳(メタデータ) (2020-06-09T12:35:55Z) - Model Selection in Contextual Stochastic Bandit Problems [51.94632035240787]
基本アルゴリズムを選択できるメタアルゴリズムを開発した。
基本アルゴリズムの1つが$O(sqrtT)$後悔している場合でも、一般的には$Omega(sqrtT)$後悔よりも良いものを得ることはできません。
論文 参考訳(メタデータ) (2020-03-03T18:46:34Z) - Offline Grid-Based Coverage path planning for guards in games [0.0]
本稿では,2次元多角形(穴のある)領域をカバーする新しいアルゴリズムを提案する。
単純なレイアウトから、実際のゲームで使用されるより複雑なマップまで、いくつかのシナリオに関する実験的分析は、優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2020-01-15T18:28:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。