GENETİK ALGORİTMA VE PİKSELİZASYON YÖNTEMİ İLE MAYIN TARLASI OYUNUNUN ZORLUK SEVİYESİNİ BELİRLEME

Genetik algoritmalar, mühendislik, işletme vb alanlardaki sayısal problemlerin çözümünde arama algoritması olarak kullanılan etkili bir optimizasyon yöntemidir. Darwin’in evrim teorisine, yani içinde bulunulan koşullara daha iyi uyum sağlayan bireylerin hayatta kalması prensibine dayanır. Bireyleri oluşturan popülasyon,genetik algoritma operatörleri uygulanarak değişikliğe uğrar ve bunun sonucunda yeni popülasyonlar oluşur. Genetik algoritma kullanımında amaç, aranılan koşullara daha fazla uyum gösterecek bireylere ulaşmaktır. Yapılan çalışmada genetik algoritma ile pikselizasyon yöntemi birlikte kullanılarak mayın tarlası oyununun zorluk seviyesinin istenilen seviyede arttırılıp azaltılabileceği gösterilmiştir. Ayrıca genetik algoritma yönteminin gezgin satıcı, rota belirleme, iş akışı dengeleme gibi problemler dışında oyun tasarımında da kullanılabileceği gösterilerek literatüre katkı sağlamak amaçlanmıştır.

DETERMINING THE DIFFICULTY LEVEL OF THE MINEFIELD GAME WITH GENETIC ALGORITHM AND PIXELIZATION METHOD

Genetic algorithms are an effective optimization method which is used as search algorithm for solving numerical problems in engineering, operation etc. fields. Darwin's theory of evolution is based on the principle of survival of individuals who better adhere to the circumstances in which they exist. The population of individuals is modified by applying genetic algorithm operators and as a result new populations are formed. The aim of using genetic algorithms is to reach individuals who will be more adaptable to the desired conditions. In the study, it was shown that the difficulty level of minefield game can be increased or decreased at the desired level by using genetic algorithm and pixelation method together. In addition, it is aimed to contribute to the literature by showing that genetic algorithm method can be used in game design besides traveling seller, route determination and work flow balancing.

___

  • Aktürk, C., Karaaslan, M., Ozdemir, E., Ozkaner, V., Dincer, F., Bakir, M., & Ozer, Z. (2015). Chiral Metamaterial Design Using Optimized Pixelated İnclusions With Genetic Algorithm. Optical Engineering, 54(3), 035106.
  • Alaybeyoğlu, E., & Ugranlı, F. (2018, May). A New Approach For Electronic Design Automation Of Analog Building Blocks. In 2018 26th Signal Processing And Communications Applications Conference (SIU) (Pp. 1-4). IEEE.
  • Altiparmak, F., Gen, M., Lin, L., & Paksoy, T. (2006). A Genetic Algorithm Approach For Multi-Objective Optimization Of Supply Chain Networks. Computers & İndustrial Engineering, 51(1), 196-215.
  • Arslanoğlu, Y., 2006. Genetic Algorithm For Personnel Assignment Problem With Multiple Objectives. Doctoral Dissertation, Mıddle East Technıcal University, Ankara.
  • Calp, M. H., & Akcayol, M. A. (2018). Optimization Of Project Scheduling Activities İn Dynamic CPM And PERT Networks Using Genetic Algorithms. Süleyman Demirel University Journal Of Natural And Applied Sciences (SDU J Nat Appl Sci), 22(2), 615-627.
  • Çakır, M., & Yılmaz, G. (2015, May). Traveling Salesman Problem Optimization With Parallel Genetic Algorithm. In Signal Processing And Communications Applications Conference (SIU), 2015 23th (Pp. 2557-2560). IEEE.
  • Çor, İ., & Saka, B. (2018, May). Analysis And Optimization Of Wideband Radomes. In 2018 26th Signal Processing And Communications Applications Conference (SIU) (Pp. 1-4). IEEE.
  • Daban, F.,& Ozdemir, E.. 2004. Eğitimde Verimliliği Artıran Ders Programlarının Hazırlanması İçin Genetik Algoritma Kullanımı. Journal Of Educational Sciences & Practices, 3(6).
  • Darwin, C. (1859). On The Origins Of Species By Means Of Natural Selection. London: Murray, 247, 1859.
  • Diaz, A. R., & Sigmund, O. (2010). A Topology Optimization Method For Design Of Negative Permeability Metamaterials. Structural And Multidisciplinary Optimization, 41(2), 163-177.
  • Doğan, N. Ö., & Takçı, E. (2015). Bir Tekstil İşletmesinde Simülasyon Yardımıyla Süreç İyileştirme. Ege Academic Review, 15(2).
  • Emel, G. G.,& Taşkın, Ç.. 2002. Genetik Algoritmalar Ve Uygulama Alanları. Uludağ Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, Cilt XXI, Sayı 1, 2002, S. 129-152.
  • Ertuğrul, İ., & Özçil, A. (2016). Siyasi Parti Mitinglerinin Gezgin Satıcı Problemi Yaklaşımı İle Analizi. Siyaset, Ekonomi Ve Yönetim Araştırmaları Dergisi, 4(4).
  • Goldberg, D. E.. 1989. Genetic Algorithms İn Search, Optimization, And Machine Learning Reading Menlo Park: Addison-Wesley, Vol. 412.
  • Holland, J. H.. 1975. Adaptation İn Natural And Artificial Systems: An İntroductory Analysis With Applications To Biology, Control, And Artificial İntelligence. U Michigan Press.
  • Ilkucar, M., & Cetinkaya, A. (2018). Optımızatıon Of Local Travellıng Route Supported Wıth Mobıle Phone And Google Maps: Case Study Of Burdur. Journal Of Mehmet Akıf Ersoy Unıversıty Economıcs And Admınıstratıve Scıences Faculty, 5(1), 64-74.
  • Ouedraogo, R. O. (2011). Topology Optimization Of Metamaterials And Applications To RF Component Design. Doctoral Thesis. Michigan State University. Electrical Engineering.
  • Özgür, A., & Erdem, H. (2018). Saldırı Tespit Sistemlerinde Genetik Algoritma Kullanarak Nitelik Seçimi Ve Çoklu Sınıflandırıcı Füzyonu. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 33(1).
  • Tuncer, T., Avcı, D., & Avcı, E. (2016). İkili İmgeler İçin Mayın Tarlası Oyunu Tabanlı Yeni Bir Veri Gizleme Algoritması. Journal Of The Faculty Of Engineering & Architecture Of Gazi University, 31(4).