The use of a genetic algorithm to optimize the development path based on the model from the Ogame browser game

Głównym celem pracy licencjackiej “Wykorzystanie algorytmu genetycznego do optymalizacji ścieżki rozwoju na podstawie modelu z gry przeglądarkowej Ogame” jest optymalizacja sposobu gry, w celu wyprzedzenia innych graczy. Na potrzeby zadania autor opracował narzędzie składające się z dwóch części: symulator gry Ogame oraz algorytm genetyczny pozwalający optymalizować ścieżkę rozwoju służącą do osiągnięcia pewnego stanu końcowego. Autor przetestował zaimplementowane w ramach pracy narzędzie dla dwóch przykładowych stanów końcowych: jak najszybsze uzyskanie nowej planety i jak najszybsze skonstruowanie pierwszego małego transportera. Cele te zostały wybrane ponieważ większość graczy grających w Ogame stara się dążyć do uzyskania jednego z nich jak najszybciej. W przypadku problemu małego transportera, autorowi udało się znaleźć opracowaną przez graczy ścieżkę rozwoju, do której mógł porównać swoje rozwiązanie. Okazało się, że ścieżka rozwoju autora okazała się o około 10% szybsza. W przypadku drugiego problemu - uzyskanie drugiej planety, autor nie znalazł opracowanego przez graczy rozwiązania, jednak na podstawie symulacji udało się wyznaczyć kilka bardzo dobrych rozwiązań, które bez wątpienia są bardzo szybką metodą uzyskania nowej planety, co przeanalizowane i przedstawione zostało w pracy razem z wykresami. Autor opracował narzędzie w taki sposób, aby dało się je w prosty sposób rozszerzyć i wykorzystać w celu optymalizacji innych stanów końcowych w grze. Dzięki temu rozwiązanie staje się jeszcze bardziej uniwersalne.

The main goal of the BA thesis "The use of a genetic algorithm to optimize the development path based on the model from the Ogame browser game." is to optimize the way one plays in order to stay ahead of other players. For the purpose of the task, the author developed a tool consisting of two parts: the Ogame game simulator and genetic algorithm that allows for the optimization of the path to achieve a particular end state. The author set two goals which he presented as an example in the work: to obtain a new planet as quickly as possible and to construct the first small transporter as quickly as possible. These goals were chosen because most players try to get one og them. In the case of the small transporter problem, the author managed to find a path developed by the players to which he could compare his solution. It turned out that the author's path is about 10% faster. In the case of the second problem - obtaining a second planet, the author did not find a solution developed by the players, but based on the simulation, it was possible to identify some very good solutions, which are undoubtedly a very quick method of obtaining a new planet, which was analyzed and presented in the work together with the graphs . The author has developed the tool in such a way that it can be easily extended and used to optimize other end states in the game. Thanks to this, the solution becomes even more universal.