游戲中的非玩家角色(游戲AI)一直是游戲人工智能和仿真平臺(tái)智能體的研究熱點(diǎn)。游戲AI的智能程度對(duì)提高玩家的游戲體驗(yàn)有重要作用,隨著游戲產(chǎn)業(yè)的迅猛發(fā)展,游戲AI的決策研究在游戲領(lǐng)域有重要意義。采用簡單的機(jī)器學(xué)習(xí)方法往往無法實(shí)現(xiàn)復(fù)雜場(chǎng)景下的自主角色行為。鑒于即時(shí)對(duì)戰(zhàn)游戲中的環(huán)境參數(shù)與量化金融領(lǐng)域的股票預(yù)測(cè)數(shù)據(jù)都具有獨(dú)立同分布的特性,而基于深度學(xué)習(xí)的LSTM(長短時(shí)記憶單元)股票預(yù)測(cè)模型已取得很好的成績,因此在深入研究了游戲環(huán)境參數(shù)和游戲AI決策的關(guān)聯(lián)性后,本文設(shè)計(jì)了二級(jí)決策機(jī)制:游戲AI在對(duì)戰(zhàn)決策時(shí)首先要得到戰(zhàn)略決策類別標(biāo)簽,然后依據(jù)戰(zhàn)略決策類別標(biāo)簽選擇相應(yīng)的戰(zhàn)術(shù)決策。同時(shí),針對(duì)獨(dú)立游戲AI和聯(lián)合游戲AI兩種不同需求的場(chǎng)景,本文分別設(shè)計(jì)不同的基于深度學(xué)習(xí)的決策方法。本文的主要工作可以概括如下:決策樣本屬性分析及采集:分析游戲環(huán)境參數(shù)屬性與獨(dú)立游戲AI和聯(lián)合游戲AI兩種不同需求決策的相關(guān)性,設(shè)計(jì)了決策樣本環(huán)境參數(shù)特征屬性;利用Windows API的共享內(nèi)存方法,模仿人類玩家行為,實(shí)時(shí)采集基于兩種需求的游戲AI決策的環(huán)境參數(shù)樣本數(shù)據(jù)集。游戲AI的獨(dú)立決策模型:一級(jí)戰(zhàn)略決策僅包含攻擊和撤退兩種類...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 現(xiàn)有技術(shù)缺陷和不足
        1.3.1 基于傳統(tǒng)算法的游戲AI決策
        1.3.2 基于機(jī)器學(xué)習(xí)的游戲AI決策
    1.4 主要工作和論文結(jié)構(gòu)
第二章 基礎(chǔ)理論與相關(guān)技術(shù)
    2.1 人工智能與即時(shí)對(duì)戰(zhàn)游戲
        2.1.1 人工智能在即時(shí)對(duì)戰(zhàn)游戲AI的研究領(lǐng)域
        2.1.2 即時(shí)對(duì)戰(zhàn)游戲AI戰(zhàn)斗的抽象層級(jí)
    2.2 深度學(xué)習(xí)
        2.2.1 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
        2.2.2 深度學(xué)習(xí)基本思想與訓(xùn)練過程
    2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 尋路算法
        2.4.1 啟發(fā)式搜索
        2.4.2 Dijkstra尋路算法
        2.4.3 A~*尋路算法
        2.4.4 JPS尋路算法
    2.5 本文總體框架
    2.6 總結(jié)
第三章 游戲樣本屬性選擇及采集
    3.1 即時(shí)對(duì)戰(zhàn)游戲
        3.1.1 DOTA類即時(shí)對(duì)戰(zhàn)游戲
        3.1.2 地形與氣候
        3.1.3 資源和裝備
        3.1.4 推線和單位操控
        3.1.5 游戲單位
            3.1.5.1 英雄
            3.1.5.2 其他游戲單位
    3.2 游戲的環(huán)境參數(shù)
    3.3 游戲樣本屬性特征描述
        3.3.1 游戲AI獨(dú)立決策樣本屬性特征描述
        3.3.2 聯(lián)合AI決策樣本的特征描述
    3.4 游戲樣本采集
    3.5 本章小結(jié)
第四章 游戲AI的獨(dú)立決策
    4.1 LSTM神經(jīng)網(wǎng)絡(luò)
    4.2 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 cell和門結(jié)構(gòu)
        4.2.2 LSTM神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程
        4.2.3 BLSTM神經(jīng)網(wǎng)絡(luò)
    4.3 游戲AI對(duì)戰(zhàn)的一級(jí)決策
        4.3.1 一級(jí)戰(zhàn)略決策模型構(gòu)建
        4.3.2 模型參數(shù)設(shè)定
        4.3.3 實(shí)驗(yàn)結(jié)果
    4.4 游戲AI對(duì)戰(zhàn)的二級(jí)決策
        4.4.1 二級(jí)戰(zhàn)術(shù)決策模型構(gòu)建
        4.4.2 模型參數(shù)設(shè)定
        4.4.3 實(shí)驗(yàn)結(jié)果
        4.4.4 路徑規(guī)劃
            4.4.4.1 JPS+尋路算法
            4.4.4.2 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第五章 多AI的聯(lián)合決策
    5.1 聯(lián)合AI機(jī)制
    5.2 聯(lián)合AI模型構(gòu)建
    5.3 實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個(gè)人簡歷
在學(xué)期間的研究成果



本文編號(hào)：4029571