本文關(guān)鍵詞：游戲中基于規(guī)則與機器學習的智能技術(shù)應用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】： 近年來,游戲的圖形質(zhì)量已發(fā)展到近乎極致的地步,人工智能(AI)已經(jīng)成為決定一款游戲以及游戲開發(fā)工作室命運的重要因素。下一代的3D游戲不僅會有優(yōu)秀的視覺效果,更會像人一樣狡猾和聰明。由于國內(nèi)還沒有展開全面研究和應用,而且本文研究并實現(xiàn)的AI技術(shù)在一定程度上提高了游戲智能,因此該課題具有一定的學術(shù)和應用價值。 本文目標是構(gòu)建一個基本圖形渲染引擎,以這個渲染引擎為平臺,對若干基于規(guī)則和機器學習的AI技術(shù)進行了深入研究和實現(xiàn),并應用若干機器學習技術(shù)實現(xiàn)了游戲中一些常見問題的求解。 首先構(gòu)建圖形渲染引擎,功能有:完整流水線,物體剔除,背面消除,歐拉相機,光照模型,固定、恒定和Gouraud著色方法,3D裁剪,深度排序。 然后研究實現(xiàn)了若干基于規(guī)則的AI技術(shù)�；谝�(guī)則的AI技術(shù)包括:確定性運動算法、隨機運動算法、跟蹤閃避算法、群聚算法、模式運動技術(shù)、行為建模的有窮自動機技術(shù)和A*算法等。 最后采用機器學習中的遺傳算法和人工神經(jīng)網(wǎng)絡,實現(xiàn)了游戲中以下問題的求解: 1.尋路問題。一條染色體代表一條路徑。實驗表明遺傳算法對結(jié)果的不可預知性可以有效地提高尋路的智能; 2.飛行物體的著陸問題。染色體由飛行物體的運行方式組成。實驗表明遺傳算法對結(jié)果的不可預知性使得降落更加智能化,不需要人工的干預; 3.障礙物繞行問題。使用遺傳算法改進神經(jīng)網(wǎng)絡的權(quán)值;利用以智能體中心為出發(fā)點的5條射線模擬傳感器感知環(huán)境。經(jīng)過768代的進化,遺傳算法種群最優(yōu)適應度和平均適應度都有了明顯提高,繞行成功率從12.5%上升到85%; 4.鼠標軌跡識別問題。神經(jīng)網(wǎng)絡權(quán)值由反向傳播算法學習更新;采用1200個樣例訓練,誤差閾值為34.0037,另外1200個樣例測試,將神經(jīng)網(wǎng)絡與SVM做了實驗對比,得出結(jié)論:神經(jīng)網(wǎng)絡和SVM的正確分類樣本數(shù)分別為1125和1185,錯誤分類樣本數(shù)分別為75和15,正確率分別為93.75%和98.75%。 下一步工作,希望將這些AI技術(shù)有機地結(jié)合起來,整合為一個AI引擎,應用在實際的游戲項目中。
【關(guān)鍵詞】：圖形渲染引擎 基于規(guī)則的人工智能 機器學習
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 1 緒論10-13
• 1.1 課題背景和研究意義10-11
• 1.2 課題研究現(xiàn)狀簡介11
• 1.3 論文的主要工作11-12
• 1.4 論文的組織結(jié)構(gòu)12-13
• 2 游戲中人工智能技術(shù)的介紹13-18
• 2.1 游戲中人工智能概述13-14
• 2.1.1 游戲中人工智能的定義13
• 2.1.2 游戲中人工智能的作用13
• 2.1.3 游戲中人工智能的分類13-14
• 2.1.4 游戲中人工智能的發(fā)展前景14
• 2.2 游戲中人工智能技術(shù)的現(xiàn)狀14-17
• 2.2.1 基于規(guī)則的智能技術(shù)15
• 2.2.2 基于機器學習的智能技術(shù)15-16
• 2.2.3 可擴展的AI16-17
• 2.3 本章小結(jié)17-18
• 3 圖形渲染引擎的構(gòu)建18-22
• 3.1 2D 圖形渲染引擎的構(gòu)建18
• 3.2 3D 圖形渲染引擎概述18-19
• 3.3 3D 圖形渲染引擎的構(gòu)建19-21
• 3.4 本章小結(jié)21-22
• 4 游戲中基于規(guī)則的智能技術(shù)應用研究22-37
• 4.1 確定性運動算法22
• 4.2 隨機運動算法22-23
• 4.3 跟蹤和閃避算法23-26
• 4.3.1 基本的跟蹤和閃避算法24-25
• 4.3.2 視線跟蹤算法25-26
• 4.4 群聚算法26-30
• 4.4.1 群聚算法基本思想26-27
• 4.4.2 鄰居的搜尋方法27-29
• 4.4.3 聚合29-30
• 4.4.4 對齊30
• 4.4.5 分離30
• 4.5 模式運動技術(shù)30-32
• 4.6 行為建模的有窮自動機技術(shù)32-33
• 4.7 A*算法尋路技術(shù)33-36
• 4.7.1 A*搜索策略概述33
• 4.7.2 A*算法的尋路過程33-36
• 4.8 本章小結(jié)36-37
• 5 游戲中基于機器學習的智能技術(shù)應用研究37-53
• 5.1 遺傳算法和人工神經(jīng)網(wǎng)絡技術(shù)簡介37
• 5.1.1 遺傳算法簡介37
• 5.1.2 人工神經(jīng)網(wǎng)絡簡介37
• 5.2 求解智能體的路徑搜尋問題37-39
• 5.2.1 路徑搜尋問題概述37-38
• 5.2.2 路徑搜尋問題的遺傳算法參數(shù)設(shè)計38-39
• 5.3 求解飛行物體的著陸問題39-40
• 5.3.1 飛行物體著陸問題概述39
• 5.3.2 飛行物體降落問題的遺傳算法參數(shù)設(shè)計39-40
• 5.4 求解障礙物繞行問題40-46
• 5.4.1 障礙物繞行問題概述40-41
• 5.4.2 無監(jiān)督神經(jīng)網(wǎng)絡方法概述41-42
• 5.4.3 障礙物繞行問題的無監(jiān)督神經(jīng)網(wǎng)絡設(shè)計42-46
• 5.5 求解智能體的鼠標軌跡識別問題46-52
• 5.5.1 鼠標軌跡識別問題概述46-47
• 5.5.2 BP 神經(jīng)網(wǎng)絡概述47
• 5.5.3 訓練和測試數(shù)據(jù)的獲取47-49
• 5.5.4 鼠標識別問題的BP 神經(jīng)網(wǎng)絡設(shè)計49-52
• 5.5.5 鼠標識別問題的SVM 實驗設(shè)計52
• 5.6 本章小結(jié)52-53
• 6 基于機器學習的智能技術(shù)的實現(xiàn)和實驗結(jié)果53-62
• 6.1 實驗環(huán)境53
• 6.2 路徑搜尋問題的實現(xiàn)及其結(jié)果分析53-55
• 6.3 飛行物體著陸問題的實現(xiàn)及其結(jié)果分析55-56
• 6.4 障礙物繞行問題的實現(xiàn)及其結(jié)果分析56-58
• 6.5 鼠標軌跡識別問題的實現(xiàn)及其結(jié)果分析58-61
• 6.6 本章小結(jié)61-62
• 7 總結(jié)與展望62-63
• 7.1 全文總結(jié)62
• 7.2 展望62-63
• 致謝63-64
• 參考文獻64-67
• 附錄67-69
• A. 作者在攻讀學位期間發(fā)表的論文目錄67
• B. 作者在攻讀學位期間取得的科研成果目錄67-69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 龔向宇;徐東平;;優(yōu)化的遺傳算法在游戲編程中的應用[J];電腦知識與技術(shù)(學術(shù)交流);2007年02期

2 顧亦然,王鎖萍;遺傳算法與神經(jīng)網(wǎng)絡在接納控制中的應用[J];計算機工程與應用;2005年19期

3 蔣寧;翟玉慶;;一個基于神經(jīng)網(wǎng)絡和遺傳算法的游戲自主角色的設(shè)計[J];計算機應用;2007年05期

  本文關(guān)鍵詞：游戲中基于規(guī)則與機器學習的智能技術(shù)應用研究，由筆耕文化傳播整理發(fā)布。

本文編號：375093