統(tǒng)計前向規(guī)劃（statistical forward planning,SFP）算法使用仿真模型（也稱為前向模型）自適應(yīng)地搜索有效的動作序列,此類算法提供了一種簡單通用的方法,為各種游戲提供快速自適應(yīng)的AI控制。介紹了兩種常用的SFP算法:蒙特卡羅樹搜索和滾動層進化,并證明了在沒有任何事先訓(xùn)練的情況下,SPF算法就可以在各種視頻游戲中出色地運行。 

【文章來源】：智能科學(xué)與技術(shù)學(xué)報. 2019,1(03)

【文章頁數(shù)】：9 頁

【部分圖文】：

用于預(yù)測中心瓦片下一個狀態(tài)的本地局部鄰域模式

有很多實現(xiàn)局部正向模型學(xué)習(xí)的算法，例如Hash圖和決策樹模型。不完美的模型也是很有用的，可以提供不錯的結(jié)果。從圖3可以看到，3種狀態(tài)的結(jié)果基本是一致的，但是有的時候也會出現(xiàn)一些錯誤，不過正如之前說的，不是完美的方法才有用，這個局部模型在很大程度上是適用的。2.3 可解釋性

以推箱子游戲來說明這一學(xué)習(xí)過程，推箱子屬于一個解謎游戲，如圖1所示，玩家（小矮人）必須將所有的箱子（灰色方塊）推入目標(biāo)（橙色圓圈）才能通過關(guān)卡。如果想把箱子推到指定位置，需要先把箱子推到另一側(cè)，讓游戲的個體能夠把箱子從另一個方向推動到目標(biāo)位置，這是一個典型的基于網(wǎng)格的游戲模型。這個游戲可以使用局部模型依次建立前向模型，從而確定對應(yīng)動作。在這個游戲中，狀態(tài)可以表示為一組排列在網(wǎng)格中的瓦片，其中T(x,y)代表處于網(wǎng)格中位置為(x,y)的瓦片。游戲的目標(biāo)是根據(jù)單元格的狀態(tài)tA以及它在t時刻的局部鄰域狀態(tài)N(x,y)t來預(yù)測每個瓦片在t+1時刻的狀態(tài)T(x,y)t+1。令局部狀態(tài)轉(zhuǎn)換函數(shù)fx,y為：


本文編號：3595133