Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.  9,  No.  2,   Februa ry 2 018,  pp.  335 ~ 341   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v9.i 2.pp 335 - 341          335       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Fuzzy  Cogniti ve M aps  B ased  G am e  B alanc ing  S yste m    in  R eal  T ime        Pat el   Ka lp ana  D h anji 1 ,   S ant ho sh   K u mar   S ingh 2   1   Resea r ch  S cho l ar,   Inform at ion   Te chn o log y ,   AM ET   Univer si t y,   Chenn ai   2   Depa rtment   of   C om pute r  S ci en ce ,   T agor e   Coll e ge  of  s ci en ce a n d  comm erc e, Mu m bai       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Oct   21 , 201 7   Re vised  Dec   2 9 , 2 01 7   Accepte d  Ja n   20 , 2 01 8       Pla y ers  m a y   sto p  play ing  a  picked  amus ement  sooner  tha n  ant ic ip ated   for   som e  rea sons .   A   standout  amongs t  the  m ost  vital   is  id ent if ie d   wit h  the  w a y   amus ement  planners  and  desi gner s  adj ust  d ive rsion  ch alle nge  le v el s .   Prac ticall y   spea king,   pl a y ers  h a ve  disti n ct iv e  ab il ity   le v el s  and   m a y   discov er   comm on  fore orda ine d  troubleso m e  le ve ls  as  too   sim ple   or  too   h ard ,   g et t ing   to  be  noti c ea b l y   disappo inted   or  exha usted.  The   outc om e   m ight   be  diminished  insp ira ti on   to   conti nue  pl a y ing  the  dive rsion ,   whi ch  impli es  dec re ase d  enga g ement.   A   wa y   t o  deal  with   a ll e via t e  th is  issue  is  d y n ami c   a m usem ent   troubl e  ad justi ng,   which  is  a   proc ed ure   that  a lt ers  di ver sion  p l a y   par amete rs  prog ressively   as  indicated  b y   th e  pre sent  play er  ap ti t ude  le ve l.   In  thi s  pape r   we  p ropose  a  const a nt  answer  for  DG B  uti li z ing  Evol uti on a r y   Fuzz y   Cogni ti v e  Maps,  for  prog ressively   adjus ti ng  a  dive rsi on  troubl e ,   givi ng  a  ver y   m uch  adj usted  le v el   of  te st  to  the   play er .   Tra nsform at iv e  Fuz z y   Cognit ive  Maps  depe nd  on  idea s  tha t  spe ak  to  s et ti ng   dive rsion   fac tors  and  are   conn ecte d  b y   f luff y   and  pr obabi li st ic   ca us al   conn ections  t hat   c an  b e   ref reshe d  progr essively .   W e  t al k  abou t  a  fe w  re - ena c tment   tri es  th a t   uti lization  our  a nsw er  in  a  runne r  sort  amus ement  to  m ake   al l  th e  m or e   ca pt iva t ing and d y nami c  div ersi on  enc oun te rs.   Ke yw or d s :   Re al - tim e Strat egy   Gam e D ifficult y B al ancing   Fu z zy  C ogniti ve  Ma ps   Copyright   ©   201 8   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Pate l Kalpa na Dh a nji,    Re search   S c hola r,  In form at io n  Tec hnol og y,   AMET  Un i versi ty ,    Chen nai .       1.   INTROD U CTION   Dive rsion  play   in  c om pu te riz ed  recreati ons   include s  a   fe w   com ponen ts,   f or  exam ple,  ac ti viti es  and  diff ic ulti es  that  play ers  m us t  e m br ace  to  finish   am us e m ent  e xer ci ses .  An   a m us e m ent  plann er  m ay  chan ge   the  div e rsion  m ec han ic s  to  m ake  chall eng es  si m pler  or   ha r de r  to  com pr ehe nd,  giv i ng   pr e def i ned   tr oubl e  le vels,   for  e xam ple,  "sim ple",  "ordin ary",  a nd  "ha rd".  N onet heless,   these  m od ific at ion s  a re  sta ti c  an d  m igh t  be   m ade   in li gh t  of a  dis creti on a ry be nc hm ark , whic h i s not a pprop riat e for  al l cl ie nt s.    Pr act ic al ly   sp eakin g,   play er s  ha ve  div er s e  abili ty   and  ex per ie nc e  le vels  an d  m ay   disco ver  foreor daine d  tro uble so m e  lev el s  as  "t oo   s i m ple"  or   "t oo  hard",  getti ng   to  be  noti ceably   disap po i nted  or   exh a us te d.   T he   ou tc om e  m igh t  be  dim inished   ins pirati on  to  co ntin ue  pla yi n g  the  am us e m ent,  wh ic h  im pl ie s   le ssened en ga gem ent.    An   a nswer  f or  ada pt  to  the se  issues  is  to   progressi vely   change  the  di ver sio n  tr oubl e  le vels  as   ind ic at ed  by  the  pr e sent  pla yi ng   set ti ng ,  wh ic h  inco r porates  ob se r ving  play er  act iv it ie s,  m ist akes,  and  exec utio n  i n  t he  am us em ent .  The   w riti ng   al lud es  t o  ar ra ng em ents  in  li gh t  of  this  th ought  as  " dynam ic   div e rsion  tro uble   ad j us ti ng   a nd   " dynam ic   t rou ble  al te ratio n  (DD A) ".  T her e  a re  a  fe w   work s  t hat  ap proac h  DG B  a nd   relat ed  issues .  For  instance  Tij s  and   c o - c reato rs  [1 ]   pro pose d  to  ad just  tro ub l e  le vels  util iz i ng   t he   play er' s  passionat e  sta te .  Be   that  as  it  m a y,  the  wo r k  by  Tijs  an d  co - c r eat or s  [ 1]  sh ows  a  few   do w ns ides .  In it ia ll y,  their  appr oach   nee ds  to  get  s om e  inf or m at ion   ab ou t  his/her   pas sion at e  sta te   a m id  the   am us e m ent.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   335   –   341   336   Also ,  t heir  ap proac h  does  no t  hav e  a  le giti m a te ly   us efu l  basi c  le ader s hip   f r a m ewo r k.   I n  a no t her   r el at ed  work,  Hunicke  [ 2]  an al yz ed  how  dy nam ic  trouble  al te rati on   infl ue nced   play er  adv a nce  w hile  le adin g  analy se s  tha t   con t ro ll ed  fr ee  m ark et   act iv it y  of   di ff e ren t  thi ng s  i n  the  am us em ent.  Vasconcel os   de  Me de iros  [ 3]  pro posed  a  sta ti c  le vel  adjustin g,   i n  li ght  of   t he  i nput  of   genuine   gam ing   e ncou nters.  This  a ppr oach  is  fascinati ng  i n  li ght  of   t he  fact  that   the  tr ouble  le vel  is  dis play ed  util iz ing   ge n uin e  i nfor m at i on  ( rathe r  tha n  util iz ing   a n  ir regular   and  s ubj ect ive   gauge ).   Be   tha t  as  it   m ay ,  this  ar rangem ent  is  not  dynam ic  an d  t he  tr oubl e  le vels  c onti nue  as   befor e  am id the who le  am us e m ent.           Fig ure  1.   Tim e   O ver Gam e       In  this  pap e r,  we  pro po se   a  te chn iq ue  t o  c hange  t he  tr ou ble  le vels  pow erfull y  and  co ntinuo us ly ,   wh ic h  de pends   on  play er  as s ociat ion  data,   set ti ng   factors,   an d  E voluti on ary  F uzzy  Co gnit ive  Ma ps.  P la ye r   coope rati on s   c on ta in s  esse ntial   act ivit ie s  in  an  am us em ent,   f or  exam ple,  " hoppin g",   "eat i ng " ,  a nd  "r unni ng " ,   char act e rized  i n  the   di ver si on  co nf ig urat ion  orga nize.  Sett ing  facto rs  a re  identifie d  with   div e rsion  sta t e  an d  Sale n  an d  Zim m er m an  [ 4 ]   ch aracte rize  "am us em ent  sta te "   as  the  pr e sent   sta te   of   the  di ver si o n  at   a ny  giv e n  m inu te .  Con si der   f or   insta nc e  a  So ccer  Gam e.  In   it s  a m us em ent  s tate  co m po ne nts   we  cou ld  loc at e  the  accom pan yi ng  set ti ng   facto rs :  the  hal f  ti m e  bein g  play ed,  the  rest  of  t he  t i m e,  group  dat a,  cu rr e nt  sc ore  an d  current cli m at e  cond it io ns .     Tra nsf or m at ive  Fu zzy   Co gn i ti ve  Ma p  (E - F CM ),   is  a  displ ay ing   instr ume nt,  pro pose d  by  [ 5 ],[ 6 ] ,  in   view  of  F uzzy  Cognit ive  Ma ps ,  with  t he  disti nction  t hat  in  E - FCM   eac h  sta te   is  de velo ping  in   li gh t  of  no n - determ inist ic   o utside  cau sal it i es  progressi vely .  Our  ap pr oac h  m akes  an  E - FCM   in  view  of   div er sio n  se tt ing   factors,  wh ic h  is  la te r  cha ng e d  to  i ncor porat e  play er  c ommun ic at io ns ,  f or  exam ple,  hop,   eat   and  r un;  wh ic h  dep e nd  of  the  a m us em ent  ou tl ine.  T he  E - FC M  refresh es  al l  set ti ng   facto rs   pro gr es sively   rely ing   upon  pl ay er  com m un ic at ion s,  w hich  c ha ng e s  the  am us e m ent  trouble  le vels  w hile  a  div e rsion  sess ion   is  goin g  on.   We   util iz e  E - FCM s  on   the  gro unds   that  they   ar e  eff ect ive  ap pa ratuses  to  help  with  thi nk i ng  an d  basic  le a der s hip  form s.  The  wr it ing   giv e s  cases  of   util i zi ng   E - FCM s  in  a  few   uniq ue  zo ne s,  for  exam ple,  po li ti cal   e m er gen c y   adm inist rati on   and   poli ti cal   basic  le ader s hip   [ 7 ]   an d  intel li gen t  narrati ng   [ 6 ] .  An   ou tc om e  of   pe rio dized  sm al l   side  gam es  with  an d  wit hout   m ental   i m age ry  on  play in g  abili ty   a m on g  intercol le giate   le vel  so cce r  pl ay ers  exp la ine d  i n [ 8 ] . Review   of   c ogniti ve   rad io   Netw ork  is al s o  s hows  the  [ 9 ].       2.   EVOLUTI ONAR Y  F UZ Z Y  COGNITI VE  MAP   Disp la yi ng  a  dy nam ic   fr am e work   ca n  be  ha rd   i n  a  com pu ta ti on al   se ns e .  Furthe rm or e,   plan ning  a   sci entifi c  m odel   m igh t  be  tr oubles om e,  exo r bitant  an d  at   tim es  even   unim aginab le .  These  m et ho dolo gies  offer   t he  upsid e  of  eval uated   res ults  ye t  en dure  a  fe w  disadv a ntage s,  for  exam ple,  the   pr e re qu isi te   t o  have   par ti cula r  le ar ning  outsi de  th e  area  of  prem ium   A  co m par at ive  stud y  b et ween   visibil it y - base d  r oa dm a p  pat h  plan ning  al gor it h m s  [1 0 ] .  Fluffy  Co gn it iv e  Ma ps   are  a   subj ect ive  opti on   way  to   deal  with  dy nam ic   fr am ewo r ks ,   w her e   the  gross   cond uct  of  a   f r a m ewo r k  ca n  be   watch ed   ra pid ly   an d  with out  the  a dm inist r at ions   of   operati ons i n quire a bout m ast er.  I n  the E voluti onary F uz zy  Cogniti ve  Ma ps  each st at e is adv a ncin g i n  li gh t   of   nondet erm i nisti c  ou tsi de  c ausali ti es  con ti nuously .  E - FC M  is  dev el ope d  with  tw o  pri nciple  pa rts:  ideas  an d  causal  co nnect ion s .  Co ncep t   (C),   wh ic h  r epr ese nts  a  v ariable  of  inte rest  in  a  real - tim e  s yst e m   a nd   is   expresse d  as  a  tup le :      = ( , , )   (1)     Wh e re,  S  de note s  the  sta te   value  of  the  c on ce pt.  T   is  the  e vo l ving  ti m e  fo r  t he  c oncept,   re pr ese nting  a   m ul ti ple o f  a  f i xed tim e sli ce t 0  a nd Ps  is  the  pro bab il it y of s el f  m utati on .   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Fuzz y  Co gn it iv e Ma ps   Base d Game  Bal an ci ng S y ste m  i n  R eal Time  (Pate l K alpana  D hanji)   337   Ca us al   relat ionship  (R),   wh ic h  re pr ese nts  th e  stren gth   a nd   pro bab il it y  of   the  causal  e ff ec t  fr om   one   con ce pt to  a no t her co nce pt.  It   is def i ned as a   tup le :     = ( , , )   (2)     Wh e re  W  is   the  weig ht  m a trix  of  th e  ca us al   relat io nsh ip,   ∈   [0 ,   1].  S  denotes  whet her   th e  cau s al  relat ion s hip   is   ei ther  posit iv e  (+)   or  ne gati ve  ( − ).    is  the  prob a bili ty   that  the  causal  con ce pt  af fects  the  resu lt   co nce pt  C .   Fu zzy   ca us a l  relat ion s hip s  for  a  syst em   w it h  n  va riables  can  be  re pr ese nted  as  a  n × n  weig ht   m at rix  W :     =   (       11 12   21 22 ⋮ ⋮           ⋯ 1 ⋯ 2 ⋯ ⋮ 1  ⋮ ⋮ 1 2             ⋯  ⋯ ⋮ ⋯  )         (3)     Fo r  a syste m  w it h  n va riables,  the m utu al  cau sal  p r obabili ty  can be  represe nted  a s a  n x n  m at rix :     =   (       11 12   21 22 ⋮ ⋮           ⋯ 1 ⋯ 2 ⋯ ⋮ 1  ⋮ ⋮ 1 2             ⋯  ⋯ ⋮ ⋯  )         (4)     Diff e re nt conc epts m igh t ha ve  d if fer e nt e vo l ving ti m es. F or a syst em  w it h  n varia bles, it c an be  represe nted  as a  vector T:     =   (       1 2 ⋮ ⋮ )         (5)     Be sides  the  ca us al   ef fects  f rom   oth ers  c once pts,  eac h  co nce pt  will   al so   al te rn at e  it s  inter nal  sta te   rand om ly   in  real  tim e.  Each  co nce pt  is  m od el le d  with   ver y  sm al l  mu ta ti on   pro babi li t y.  If   the  pr ob a bili ty   is  hig h,  the   syst e m  w ou l d becom e v ery  unsta ble.  F o r  a  s yst e m  w it h  n v ariables i t ca n be  represe nted as a  vector  :     =   (       1 2 ⋮ ⋮ )         (6)     The  c on ce pts  i n  the  syst em   up date  t heir  sta te s  in  their  res pe ct ive  ev olv in g  ti m e.  The  sta te   value  of   c oncept   is u pd at e d  acc ordin g  t o  the  foll ow i ng  eq uat ion s:     ∆ + = ( 1 ∑ ∆  +   2 ∆ = 0 )   (7)     + =   +   ∆ +   (8)     Wh e re  f   is  the  act ivati on   f unc ti on   to  regulat e   the  sta te   value .      is  the  sta te   va lue  of  co nce pt     at   tim e  t.  Δ   i  is  the  sta te   va lue  cha nge  of  co ncep t      at   tim e  t.  T  is  the  evo l ving  ti m e  of   co nce pt      to   update  it s  val ue.  Diff e re nt  con c epts  m a y  hav e   diff e ren t  e vo l ving  tim es.  The  k 1  an d  k 2  va lues  are  tw o  w ei gh t  co ns ta nts .  The   su m m a ti on   Δ    is  su bjec te d  to  c onditi on al   pro bab il it y      ,  an d  Δ   is  sub j ect ed  t o  sel f - m uta ti on   pro bab il it y .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   335   –   341   338   3.   E X PERI MEN TS A ND R E S ULTS   So   as  to  te ntati vely   appr ov e  our  m od el ,  we  buil t  up   the  Tim e  ov e r  div er sio n.   Tim e  Ov er  i s  a  run ner  so rt  di ver si on   wh e re  a  young  fell ow   esc apes  f ro m   a  t wiste r  to  sp a r e  him se lf.  Fig ur e  1  outl ines   so m e   screen shots  of  Ti m e  Ov e r  a m us e m ent.  In   a  pr e pa rato ry  adap ta ti on,  t he   am us e m ent  had   j us t  t wo   se tt ing   factors:   score  and   s pee d.   T he  div e rsion  com pu te s  the  sco re   var ia ble  as  pe r  the  qua ntit y  of   thi ngs  that  a   play er  gathe rs.   T he  s peed   var ia ble  has  co ns ist ent   incenti ve  in  t he  di ver si on.  Af te r wa rd,  we   add e d  m or e  set ti ng  factors  to  e nh ance  am us e m ent  play ,  c onsideri ng   pe rsp ec ti ves,   f or   e xa m ple,  play er  ti redness,  t otall ing   si x  factors:     1)   Sta m ina: rep re sents the  p la ye r’ s  ene rg y,  whi ch  inc reases  as  the  play er c ollec ts m or e it e m s in  t he gam e.   2)   Sp ee d:  re prese nts  the   play er’s  sp ee d,  wh ic h  relat es  to   sta m ina.  S peed  de creases  over   tim e  to  sim ulate  the   play er c har act e r’ s ti re dness.   3)     O bs ta cl e  ty pe :  there   are   thr ee  ty pes  of  obsta cl es:   easy ,  def a ult,  a nd  ha rd.  T hese   ty pe s  re pr e sent  how   diff ic ult t he o bst acl es are.   4)   Ob sta cl e  pe rio d:  re presents  t he  per i od   (tim e  interval)  that   the  ga m e  us es  to  insert  ob sta cl es  in  the  gam e   scene.   5)   Item  t ype:  there  are  tw o  ty pe s  o f  co ll ect ible i tem s in  the ga m e:  w at er bottl e an d  see ds .  Both  it em s incr ease  play er s ta m ina, but w at e r bo tt le s provide  m or e stam in a than  seeds.   6)   Item   per iod :  re pr ese nts  the  pe rio d  (ti m e  interval)  that  the  ga m e  us es  to  insert  colle ct ible  ite m s  in  the  ga m e   scene.   Ever y  set ti ng  var ia ble  is  a  f luff y  est eem ,  sta nd a rd iz e d  t o  the  sco pe  of  [0,1 ] .  The   m ean  of   e ve ry   var ia ble este em  r elies o n u p on p a rtic ular di ver si on p la ns . For ef fortl essn ess w e c ha racteri zed im ped im ent so r t   as  m app ing   t he   real  est im a tio n  of  obstruct ion   s ort   to  t he or et ic al   "si m ple",  " def a ult",  an d  " hard"  t rou ble  hindra nce  le ve ls.  The  "si m ple"  tro ub le   le vel  m aps  to  the  sc op e  of  [ 0,0.33] ,  the  "de fa ult"  tro uble   le vel  m aps  to   [0.34, 0.6 6]  an d  the   "ha r d"  le vel  m aps  to  r un  [ 0.6 6,1].  T he   Item   so rt  as  m app in g  the   re al   est i m ation   of  thi ng  so rt  to  cal c ulate d  "water"  a nd   "seeds".  T he  water  thi ng   a ppears  t o  the  ra ng e [0,0.5].  T he   seed  thin g  a ppears  t o  the r a nge [ 0.6,1] . We relat e e ver y set ti ng  va riable to  the ac com pan yi ng  i de as:     C1: Stam ina.     C2: S peed.     C3: O bs ta cl e t ype.     C4: O bs ta cl e pe rio d.     C5: Item  ty pe.     C6: Item  p erio d.           Fig ure  2.   The   E - FCM   Mo del   f or   Tim e O ver Gam e       Figure  3  sho w s  the  la st  Ti m e  Ov e r' s  E - FC M  m od el ,  ,  i  ∈   [1,6 ]   s peaks   to  eve ry  set ti ng   va riable,   m ark ed  bolt s  sp eak   to  ca us al   connecti ons  be tween  set ti ng   facto rs.   A  posit ive  sign,  im plies  posit ive  causal  relat ion s hip  a nd  neg at ive  sig n im plie s n egati ve  relat io nship . Tab le   1   outl in es the  pro bab il ist ic  w ei gh t  net work   W   of   ca us al   connecti ons,  w hich  are  res olve d  ei ther  from   a  sp eci al ist   inform ation   or  le arn t  from   a  l earni ng   base; as t he  m od el  inten de d for this am us em e nt is b a sic , th e   weig hts w e re  gi ven   by the  d i ve rsion  plan ner.   The  fr am ewo r k  is a o nes gr i d  si nc e w e c onside r  t he  li kelih ood t hat an i dea   influ enci ng anot he r  idea     is on e .       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Fuzz y  Co gn it iv e Ma ps   Base d Game  Bal an ci ng S y ste m  i n  R eal Time  (Pate l K alpana  D hanji)   339   Table   1 . Pr ob a bili sti c  W ei gh t  Mat rix  W of  the  Ca s ual Rel at ion s hip   W ij   C 1   C 2   C 3   C 4   C 5   C 6   C 1   0   1   0   0   - 1   0 .1   C 2   - 0 .1   0   1   - 1   0   0 .06   C 3   0   0   0   0   0   0   C 4   0   0   0   0   0   0   C 5   0   0   0   0   0   0   C 6   0   0   0   0   0   0       The  e nactm ent   w ork  c hosen   f or   t he  e xam inati on s   was   the  strat e gic  ca pacit y,  on  acc ount  of  t he   delic at e  lim it .   This  im plies  the  co ns e qu e nc e  of   st rategic   relapse  ca n  be   decip her e d  as  the  li kelihood  of   watchin g  certa in  reacti on   a nd  li kelihoo d  ought  to  be  a  num ber   in  the  vicinit y  of   0  a nd   1,   c om pr eh ensive .   Keep i ng  in  m i nd  the  e nd  goa l  to  m od el   play er  associat io ns  with  t he  E - F CM ,  we  a dd e d  two  bolt s  to  t he  E - FCM   sho w.  Th e  1   bo lt ,   s peak s   to  the   sta m ina  that  the   play er   earn e d  by  gath erin g  thi ngs.   T he  2   bolt   s pea ks  to  sta m ina  m is fortu ne.   T he  st a m ina  est ee m   dim inishes  al w ay s.  W e  util iz e   the  "dive rsion   ou tl ine"  as  t he   tim e   un it .  I n  su c h  m ann er ,  we  con si der   that  ti m e  dev el ops  as  the  div ersi on  outl ine  su cc ession  a dv a nc es.  W e   refresh  the  six  set ti ng  f act ors  each e dg e ,  as  per the  d e velo pi ng tim e T .           Fig ure  3.   E - FCM  Sim ulatio n 1 in Ti m eOv er  Gam e           Fig ure  4. E - FCM  Sim ulatio n 2 in Ti m e  Ov er   Gam e   T = (1  1 1 1  1 1)       The  qual it ie s  in  T   sig nify  t he  ti m e  interi m   in  wh ic h  a   va riable  is   r efr es he d.   For  instance,   a n  est i m ation   of   1  im plies  that  a  var ia ble  is  re fr es he d  each   e dg e .  A n  est im at ion   of   2  im plies  that  a  var i able  is  refreshe d  eac h  two  e dges,   et   c et era.  F or  Tim e  O ver  di ver si on,  because   of   it s  strai gh tf orw ardness ,  w e  dole   out   the  est im a ti on   of  one  t o  al l  s et ti ng   fact or s   in  T .  I n  dif fer e nt  set ti ng s ,  when  it   is  re quire d  that  dive rse   set ti ng  factors  are  re freshe d  non  c oncurrently ,  eve r y  set ti ng   var ia ble  m us t  hav e   it s  par ti cular  adv a ncin g  ti m e.  For  instance,  t o  de m on strat e  the  consi der   of  rai n  an  e nvir on m ent,  the  a dv a nc ing   ti m e  of   the  rain  c ou l d  be   10   on   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   335   –   341   340   the  off  cha nc e  that  we  nee d  to  in dicat e  that  the  rain  com po ne nt  is  refreshe d  eac h  10   to  outl ine.  The   unde rly ing  esti m at ion s of the   six sett ing fact or s  are:      S_0= (1  0.5 0 . 1 0.4  0.09)      Figures  3,  4,  5,  6  an d  7,  re pr esent  the   after   eff ect s   of  ongoin g  reprod uct ion s   that  we  pl ann e d  a nd  directed  t o  te st  the  co nduct  of  our  E - FCM   disp la y.  Eac h  f igure  outl ines  the  set ti ng   factor s  i n  each  dive rsi on   ou tl ine.   Give n  the  under ly in g  set up  S _0,   we   ex pected   that  in  the   re pro duct ion s,   the   set ti ng  fact or s   c ha ng e   as   the  play er  c ollaborat e  al on g  the  div er sio n.   Each  fig ur e  ou tl ines  the  set ti ng  facto rs  i n  e ach  div er sio n  ou tl ine ,   exh i biti ng  t hat  a ll  r ecreat io ns   carried  on a s  w e antic ipate d.           Fig ure  5.   E - FCM  Sim ulatio n 3 of  Tim e o ver Gam e           Fig ure  6.   E - FCM  Sim ulatio n 4 of  Tim e o ver Gam e   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Fuzz y  Co gn it iv e Ma ps   Base d Game  Bal an ci ng S y ste m  i n  R eal Time  (Pate l K alpana  D hanji)   341       Fig ure  7.   Sim ulati on  5 of  Tim e over  G am e       4.   RESU LT   A N D DIS CUSSI ON   The  play er  act ion s  of   eat in g  m or e  or   fe wer  it e m s  are  ref le ct ed  in  the  i nc rease  an d  dec rease  of  th e   stam ina  value.  The  it em s  per io d  is  pro port ion al   to  th e  stam ina,  bu t  it s   curve  is  s of te r  since  the re  i s  le ss   stam ina  and   th e  it e m s  per iod  is  sh ort er,  e nsu rin g  that  the  pl ay er  will   hav e it e m s  to  e at ,  in   order   t o  increa se  his   stam ina  value  and,  there fore,   increase  his  s peed   value.   T he   it e m   ty pe  is   i nv e rsely   pro portion al   relat ed  to  the   stam ina  value  because   of  the  i m pact  of   it e m s  wh e n  t he  val ue  of  sta m ina  i s  low:  it   m us t  be  hi gh e r  s o  th at   the   stam ina   value  can  be   increa s ed.   Du e  t o  thes e  changes ,  w hi ch  af fect  dire ct ly   to  the  act ions  of   eat i ng   or  not  the   it e m s,  the conte xt v a riables  tend to  present  pe ak.       5.   CONCL US I O N   We  watche d  that  al te ring   the  E - FCM   de li ver ed  the  c ov et e d  res ult,  as  the  play e r  play s  th e  a m us em ent;  ou r  te ch nique  c ould  c ha ng e   the   tro ub le   le vels  powe rfull y  util iz ing   the   set ti ng  fa ct ors  a nd   pl ay er  connecti on as  data sou rces. S ub s eq ue ntly , we infe r  that t he pr opos e d  te c hniqu e is  pro fici ent and is  ve rsati le  to   the p la ye r  n ee ds p rogressi vely ,  en ha ncin g  t he  am us e m ent p la y i nvolv em ent.       REFERE NCE S   [1]   T.  Ti js ,   e t  a l. ,   “ D y namic   game bala n ci ng  b y   re c ogniz ing   aff ec t .   Fun a nd  games , ”   pp.   88 - 93 ,  2008 .   [2]   R.   Hunicke,  “ The   ca se  for  d y n amic  diffi cu lty   adj ustm ent   in  g ames ,”   i n   Proceedi ngs  of  the   20 05  ACM  SIGCH I   Inte rnational   Co nfe renc e  on   Advance s in   comput er  entertainment t e chnol ogy ,   pp .   429 - 433 ,  20 0 5 .   [3]   R.   J.  V.  de  Mede iros   dan  T.   F.   V.  de  Mede iro s,  “ Proce dura l  Le ve l  Bal an ci ng   in  Runner  Gam es ,”   i n   Compu te r   Gam es  and  Digi tal   Ent erta inmen t  ( SBGAM ES) ,   I EE E ,   2014   Brazi li an  S ymposium on ,   pp .   109 - 114 ,   2014 .    [4]   K.  Sale n   and   E .   Zi m m erman,   “ The   game   design   r ea der :  A ru le s of   play   an thol og y ,”   MIT  p ress,  20 06.   [5]   Y.  C ai,  e t  al. ,   “ Conte xt  m odel ing  with  evol ut iona r y   fuz z y   cognitiv e  m ap  in  int eractive  stor y telli ng ,”   i n   IEEE  World   Congress   on  Computati onal   Intelli gen ce ) .   I EE E   I nte rnational   Co nfe renc e  on ,   pp .   2320 - 2325 ,  200 8 .    [6]   Y.  Cai ,   et   a l. ,   “ Crea ti ng  an   imm ersive   game  world  with  evolutiona r y   fu zzy   cogni ti v e  m aps ,”   IE EE   computer   graphics  and  ap pli cations ,   vo l/ is sue:  30 (2),   pp .   58 - 70 ,  2010 .   [7]   A.  S.  Andreou ,   et   al . ,   “ Evol ut io nar y   fuz z y   cogn it ive  m aps:  A  h y brid   s y st em  for   cri sis  m ana g ement  and  pol it i cal  dec ision   m aki ng , ”   2003 .   [8]   A.  M.  Kum ar,   “ An  outc om e  of  per iodized   sm al l   side  games  wit h  and  without   m ent al   image r y   on  play ing  abi l i t y   among i nte r col l e gia t e  l evel  socc e r  play e rs ,”   India n  Journal  o f  S ci e nce   and   Techno l ogy ,   vo l/ issue:   8 (36) ,  2015 .   [9]   B.   Th angala ksh m i   and   G.   T.   Bh ara th y ,   “ Review   of   cognitive   rad i o   Network, ”   I JM SR ,   2015 .   [10]   L.   Lu lu  and  A.  El nag ar,   “ A  co m par at ive   stud y   bet wee n  v isibi l ity - bas ed  roa dm a p  pat h  pl anni ng  al gorit hm s,”   In tell.  Robot .   Syst . ,   200 5.   Evaluation Warning : The document was created with Spire.PDF for Python.