Tradycyjna implementacja takiego rozwiązania to wykorzystanie reguł zachowania bohaterów niezależnych, zdefiniowanych podczas produkcji gry. Przykładowa reguła w bijatyce może brzmieć "uderz przeciwnika, jeśli jest dostatecznie blisko, w innym wypadku dojdź do niego". Rozwinięcie tego podejścia może być dokonane za pomocą metody Sproncka et al.: dynamicznego skryptowania from Institute for Knowledge and Agent Technology (IKAT), które przypisuje każdej regule prawdopodobieństwo jej wyboru. Wartości te mogą być dynamicznie określane podczas gry według umiejętności gracza, prowadząc do przystosowania rozgrywki dla danego użytkownika. Za pomocą prostego mechanizmu reguły te mogą być wybierane w taki sposób, by taktyka przeciwników nie była ani za trudna ani za łatwa dla danego gracza.
Andrade et al. dzielą problem dynamicznego wyważania rozgrywki na dwie płaszczyzny: umiejętności (ucz najlepiej, jak potrafisz) i wydajność (działaj tylko tak dobrze, jak jest to wymagane). Ten podział jest dobrze znany w językoznawstwie jako zaproponowany przez Noama Chomsky’ego. Ich podejście dotyczy wykorzystania na obydwu płaszczyznach wzmocnionego uczenia (ang. reinforcement learning). Uczenie offline jest wykorzystywane do inicjacji procesu nauczania.