發(fā)布時間：2020-08-05 13:38

【摘要】：人工智能(Artificial Intelligence,AI)領(lǐng)域發(fā)展迅速,對于強(qiáng)化學(xué)習(xí)的研究也在諸多領(lǐng)域達(dá)到了很好的實際應(yīng)用效果,配合深度學(xué)習(xí)的感知能力,使得深度強(qiáng)化學(xué)習(xí)算法成為了可以解決諸多問題的方法。近年來,我國游戲產(chǎn)業(yè)逐漸趨向成熟,消費者對游戲的品質(zhì)有了更高的要求,使得游戲開發(fā)者需要用更多的時間進(jìn)行游戲的開發(fā),打磨玩法的細(xì)節(jié)以滿足消費者的需求。非玩家角色是游戲中重要的組成部分,非玩家角色人工智能的表現(xiàn)效果可以直接影響到游戲品質(zhì),開發(fā)者需要一種復(fù)雜性低,擴(kuò)展性良好的非玩家角色AI設(shè)計技術(shù)。因此,本文為游戲開發(fā)團(tuán)隊提供了新的非玩家角色AI的開發(fā)方法。本文基于近端策略優(yōu)化算法設(shè)計了一個非玩家角色AI系統(tǒng),針對游戲中非玩家角色的特點,使用近端策略優(yōu)化算法進(jìn)行AI訓(xùn)練,在保證游戲中角色的呈現(xiàn)效果的前提下,減少訓(xùn)練智能代理的難度。通過加入額外的策略網(wǎng)絡(luò)和經(jīng)驗回放機(jī)制,提高了算法在系統(tǒng)中的應(yīng)用效果。系統(tǒng)通過C/S架構(gòu)實現(xiàn)算法框架與引擎級非玩家角色AI系統(tǒng)交互,實現(xiàn)游戲環(huán)境下非玩家角色獲取環(huán)境信息與行動信息的交互,完成非玩家角色行動策略模型的訓(xùn)練。本文提出的非玩家角色AI系統(tǒng)基于層級架構(gòu)設(shè)計,降低系統(tǒng)代碼的耦合度,基于近端策略優(yōu)化算法實現(xiàn)AI設(shè)計系統(tǒng)核心策略層的設(shè)計,提供友好易用的系統(tǒng)API,進(jìn)一步提高系統(tǒng)的靈活性與易用性。經(jīng)過測試,本文提出的非玩家角色AI系統(tǒng)在角色智能表現(xiàn)上有著較好的表現(xiàn),且相較行業(yè)主流方法,本系統(tǒng)在開發(fā)難度以及擴(kuò)展性上有著較為明顯的提升,可以在開發(fā)階段應(yīng)用于各種類型的電子游戲中,幫助項目節(jié)約開發(fā)成本。
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP317;TP18
【圖文】：

算法設(shè)計效果示意圖

登陸界面圖

為玩家

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 蔡禮權(quán);基于模糊邏輯推理行為樹的游戲AI建模與應(yīng)用[D];華南理工大學(xué);2017年

本文編號：2781625