游戏人工智能中寻路与行为决策技术研究
发布时间：2021-08-02 21:39
游戏人工智能系统是游戏软件中的重要组成部分,其应用旨在帮助游戏中的虚拟角色不断适应游戏环境的变化,产生对玩家来说足够合理的行为反应,使虚拟角色更加智能。游戏人工智能系统从架构上可以分为感知系统、行动系统以及决策系统等主要部分,其中行动系统是基本模块,决策系统是核心模块,它们决定了游戏人工智能的水平,进而影响游戏玩家体验。为了提高游戏人工智能在游戏软件中的使用效率及稳定性,本文主要研究游戏人工智能中的寻路技术及行为决策技术。针对游戏中寻路算法效率低的问题,研究如何加快寻路算法的速度并改进算法的适用性。为使游戏角色的行为决策能适应游戏环境变化,在行为树中引入强化学习算法,并研究如何改进强化学习算法,获取其在行为树中的稳定控制策略以及提高强化学习算法在行为树中控制效率。本文的主要研究工作体现在以下三个方面:（1）针对A*算法在游戏寻路中效率低的问题,提出了一种基于路径复用的A*寻路算法。首先根据游戏寻路的特点,改进算法的启发函数,减少算法对无用节点的探索,使寻路朝着正确的方向进行。然后通过设置锚点,利用路径复用的思想进一步减少寻路过程中的节点探索及算法的资源消耗,从而提高算法的寻路速度。其次...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
算法间的结构关系图
状态规划出 NPC 相应的行为反应；最后用决策结果驱动其它表现层[13,14]。由此可以看出，游戏中的 NPC 一般是在的过程以完成其目标。是 NPC 与游戏世界的接口，它通过事件驱动、轮询等方是决策的基础。利用感知的结果选择行为，在多种决策可能性之间切换，有时也可能与感知合二为一。发出命令、更新状态、寻路、播放声音动画等，这是行理系统的任务，动画系统和物理系统一般由游戏引擎支个方面是构成游戏人工智能系统的主要模块。根据以上人工智能系统架构，如图 2-1 所示。可以看出游戏人工智块分别是行动系统和决策系统。在这两个系统的周围是其它子系统：感知系统、物理系统、动画系统等。在某能对游戏人工智能的某些子系统要求较高，此时一般会充，从而满足不同类型游戏的需求[15]。（与
武汉理工大学硕士学位论文m1 2 1 2h x x y y网格对角线移动，则对角线距离为：2d dia mh h h角线移动的步数，一般沿对角线移动 2倍。 a 到 c 可以沿着对角线移动， c 到 b 则： ，其中：dh ac cb2 ,x x x x y yac a c cb c b c b2d x x x x y yh a c c b c b
【参考文献】：
期刊论文
[1]浅谈人工智能与游戏思维[J]. 刘伟,王目宣. 科学与社会. 2016(03)
[2]A*算法的改进及并行化[J]. 熊壬浩,刘羽. 计算机应用. 2015(07)
[3]结合行为树与Q-learning优化UT2004中agent行为决策[J]. 刘晓伟,高春鸣. 计算机工程与应用. 2016(03)
[4]游戏引擎最短路径搜索优化遗传算法设计[J]. 黎忠文,覃志东,王全宇,倪仲余. 计算机应用研究. 2014(01)
[5]一种基于启发式奖赏函数的分层强化学习方法[J]. 刘全,闫其粹,伏玉琛,胡道京,龚声蓉. 计算机研究与发展. 2011(12)
[6]基于ACCA的Option自动生成算法[J]. 胡明辉,殷苌茗,李立云. 计算机工程与应用. 2008(19)
[7]强化学习算法的稳定状态空间控制[J]. 郑宇,罗四维,吕子昂. 计算机应用. 2008(05)
硕士论文
[1]游戏人工智能关键技术研究与应用[D]. 何赛.北京邮电大学 2015
[2]基于OGRE的FPS游戏寻路系统研究与实现[D]. 邓应华.电子科技大学 2014
[3]基于HTN的实时决策系统及相关算法研究[D]. 董洁亮.上海交通大学 2014
[4]FPS游戏寻路算法的研究与实现[D]. 沈健.华南理工大学 2012
[5]基于改进A*算法的游戏地图寻径的研究[D]. 周小镜.西南大学 2011
本文编号：3318321
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
算法间的结构关系图
状态规划出 NPC 相应的行为反应；最后用决策结果驱动其它表现层[13,14]。由此可以看出，游戏中的 NPC 一般是在的过程以完成其目标。是 NPC 与游戏世界的接口，它通过事件驱动、轮询等方是决策的基础。利用感知的结果选择行为，在多种决策可能性之间切换，有时也可能与感知合二为一。发出命令、更新状态、寻路、播放声音动画等，这是行理系统的任务，动画系统和物理系统一般由游戏引擎支个方面是构成游戏人工智能系统的主要模块。根据以上人工智能系统架构，如图 2-1 所示。可以看出游戏人工智块分别是行动系统和决策系统。在这两个系统的周围是其它子系统：感知系统、物理系统、动画系统等。在某能对游戏人工智能的某些子系统要求较高，此时一般会充，从而满足不同类型游戏的需求[15]。（与
武汉理工大学硕士学位论文m1 2 1 2h x x y y网格对角线移动，则对角线距离为：2d dia mh h h角线移动的步数，一般沿对角线移动 2倍。 a 到 c 可以沿着对角线移动， c 到 b 则： ，其中：dh ac cb2 ,x x x x y yac a c cb c b c b2d x x x x y yh a c c b c b
【参考文献】：
期刊论文
[1]浅谈人工智能与游戏思维[J]. 刘伟,王目宣. 科学与社会. 2016(03)
[2]A*算法的改进及并行化[J]. 熊壬浩,刘羽. 计算机应用. 2015(07)
[3]结合行为树与Q-learning优化UT2004中agent行为决策[J]. 刘晓伟,高春鸣. 计算机工程与应用. 2016(03)
[4]游戏引擎最短路径搜索优化遗传算法设计[J]. 黎忠文,覃志东,王全宇,倪仲余. 计算机应用研究. 2014(01)
[5]一种基于启发式奖赏函数的分层强化学习方法[J]. 刘全,闫其粹,伏玉琛,胡道京,龚声蓉. 计算机研究与发展. 2011(12)
[6]基于ACCA的Option自动生成算法[J]. 胡明辉,殷苌茗,李立云. 计算机工程与应用. 2008(19)
[7]强化学习算法的稳定状态空间控制[J]. 郑宇,罗四维,吕子昂. 计算机应用. 2008(05)
硕士论文
[1]游戏人工智能关键技术研究与应用[D]. 何赛.北京邮电大学 2015
[2]基于OGRE的FPS游戏寻路系统研究与实现[D]. 邓应华.电子科技大学 2014
[3]基于HTN的实时决策系统及相关算法研究[D]. 董洁亮.上海交通大学 2014
[4]FPS游戏寻路算法的研究与实现[D]. 沈健.华南理工大学 2012
[5]基于改进A*算法的游戏地图寻径的研究[D]. 周小镜.西南大学 2011
本文编号：3318321
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3318321.html
