在当今电脑游戏中,图像质量已经发展到了一个极致的水平,游戏人工智能(也称游戏AI, Game Artificial Intelligence)已然成为了一个决定一款游戏的是否成功的重要因素,游戏开发者们在游戏人工智能方面投入的精力与金钱所占的比例也越来...
详细信息
在当今电脑游戏中,图像质量已经发展到了一个极致的水平,游戏人工智能(也称游戏AI, Game Artificial Intelligence)已然成为了一个决定一款游戏的是否成功的重要因素,游戏开发者们在游戏人工智能方面投入的精力与金钱所占的比例也越来越大。迄今为止,游戏AI大致有有限状态机,脚本语言,遗传算法,神经网络等。然而,现今国内的游戏人工智能大多为有限状态机。状态机的特点是太简单,不够智能,当玩家一旦知道其中规则时,破解就非常轻松。除此之外,状态机的实现需要编写大量的条件判断语句,这大大增加了游戏开发者的难度。针对这种情况,本文提出了在游戏中使用神经网络并利用反向传播算法进行有监督训练的方案。本文首先研究与分析了有限状态机、神经网络以及反传算法等技术原理,神经网络通过输入与已学习的样本进行匹配,返回该输入与已学习的样本最匹配的输出,这一点,要比状态机更智能,同时神经网络不需要编写大量的条件判断语句,因为状态机所需的条件判断信息都存在于训练好的神经网络的权值中。反传算法本质是梯度下降算法,利用误差值的减少来达到实际输出与期望输出的一致。文中在分析即时战略游戏的游戏规则的基础上,训练了样本数据,给出了一个基于神经网络的游戏AI的总体设计；详细设计了游戏的一系列具体逻辑算法：推线、回家、追击敌方英雄等；并给出了具体实现的一整套解决方案。本文利用神经网络与有限状态机的有机结合使用,成功地将神经网络应用与即时战略类游戏中。本文使用神经网络来为电脑玩家做出决策,在执行决策的时候则利用状态机来实现。本文最后对实现的AI游戏软件进行了测试,本软件自从在腾讯QQ游戏上线以来,经大量玩家检验后,广受好评,对于新手玩家,具有一定难度。
暂无评论