人工智能在游戏中的应用：游戏玩家的实时建模及对手的智能适配

发布时间：2021-12-30 17:55

　　研究人工智能在视频游戏（Video Game）上的应用和在经典游戏（Classic Game）上的应用目的是不同的。比如说研究经典游戏围棋（GO）的人工智能是为了产生挑战性最大的对手智能；而研究视频游戏的人工智能是为了产生既有挑战性又令人满意的游戏智能。本文中游戏的是指视频游戏。目前大多数现有的游戏智能是用有限状态机（FSM）实现的。由FSM实现的游戏智能有三个方面的弊端：高度依赖开发者的领域知识,不存在元编程的,没有规划和前瞻。在本文中,作者提出用CI（计算智能）的方法来生成既有挑战性又令人满意的游戏对手智能,该方法的最终实现是基于作者提出的“玩家的策略建模及对手的智能适配”的理论框架。本文使用的CI方法是指MCTS蒙特卡洛树搜索（Monte Carlo Tree Search）和UCT上界置信的树搜索（Upper Confidence Bound for Trees）2种算法。本文中两种prey/predator（猎物和捕食者）类型游戏Dead-End和Pac-Man被用作测试平台来验证所提出的理论。该论文的主要贡献包括：游戏智能的整体架构、玩家策略建模、对手挑战性智能适配、及对手... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：209 页

【学位级别】：博士

【部分图文】：

用于树状搜索的蒙特卡洛在Dead一End游戏上的应用(3)UCT在控制NPC上的应用


本文编号：3558700