提供具有挑战性的人工智能对手是使视频游戏令人愉悦和身临其境的重要方面。 太简单或反之太难的游戏可能会让玩家感到沮丧或无聊。 动态难度调整是一种方法，旨在通过为对手提供量身定制的挑战来改进传统的难度选择方法，从而使挑战对玩家来说处于最佳水平。 这项研究使用蒙特卡洛树搜索（Monte Carlo Tree Search）方法对三种不同的动态难度调整方法进行了玩家评估，并评估了它们对玩家享受度，真实感和感知难度的影响，尤其是调查了采用不同赢/输比例的影响 通过动态难度调整，使得玩家能获得最大的欢乐。
背景
2017年，视频游戏行业的收入超过1000亿美元[24]。 为了打入这个竞争激烈的市场，开发人员需要确保他们的游戏向玩家提出正确的挑战水平，以便提供令人愉悦的游戏体验。
当前的视频游戏有很多不同的方式向玩家提出挑战。 一种做到这一点的方法是通过随着玩家的前进稳步增加游戏级别的难度。 游戏开发人员使用的另一种方法是允许玩家通过在游戏开始之前直接选择游戏难度来选择游戏难度，即“简单”，“中等”或“困难”。
尽管最初这仅允许进行一些选择，但是游戏开发者此后开发了允许更大难度设置的方法。但是，这两种方法都有许多局限性。 在游戏开始之前选择难度的情况下，玩家需要对他们在当前游戏中的当前技能水平有一些假设，以及对开发商如何将难度分配给游戏的假设。 如果这些假设不正确，则可能导致对游戏的不满意，并且取决于所讨论的游戏，一旦玩家取得了进步，切换此难度可能并不容易。 固定的难度系统也可能不包含玩家的技能水平进步，因为他们在游戏中会变得更好。