基于神经网络和遗传算法的人工智能游戏研究与应用

论文摘要

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。人工智能并非为游戏制作而产生,但是随着越来越多的游戏进入市场,游戏中引入人工智能逐渐成为了一款游戏吸引玩家的有效手段之一。人工智能在游戏中能增加玩家的挑战性、创造更真实的虚拟世界、增加游戏的可玩性、辅助其他功能。“学习”显然属于一种非定性AI的范围,难度有些大,这也是目前各大游戏公司努力的方向之一。几个主流的游戏都用到了非定性AI方法,如"Creatures","Black&White",这些游戏的成功,成功激起了人们对“学习”AI技术的兴趣,诸如决策树(decision tree)、神经网络、遗传算法(GA)以及概率方法。本文通过描述了遗传算法与人工神经网络的概念和现状,对遗传算法与人工神经网络在游戏中的应用进行了说明,基于遗传算法和人工神经网络,结合自主性NPC的设计,构建了新算法NPG算法。论文通过设计自动玩俄罗斯方块的程序,引入了局面判断和最优决策的评判方法。该方法枚举出当前方块以及即将产生的方块在下落时期可能出现的各种变形以及可能产生的各种局面。该方法才有了三大最权威的估值函数,从攻击能力和防守能力两个方面对方块的高度、可能消除的行数以及可能形成的holes数目进行综合评估,得到一个加权平均值,依据该权值挑选出最大值作为最优决策的决策参数。决策过程贯穿游戏始终。实验表明,该方法有效的平衡了攻击性和防守性。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 本文研究背景及意义
• 1.2 国内外研究现状
• 1.3 研究主要内容
• 1.4 本文结构
• 第2章 遗传算法与人工神经网络
• 2.1 遗传算法理论
• 2.1.1 遗传算法的定义
• 2.1.2 遗传算法的步骤
• 2.2 BP神经网络
• 2.2.1 BP神经网络基本原理
• 2.2.2 BP算法的实现步骤
• 2.3 遗传算法在游戏开发中的应用
• 2.3.1 数据编码
• 2.3.2 初始化族群
• 2.3.3 适应度函数
• 2.3.4 交叉和变异
• 2.4 NPC感知系统
• 2.5 基于遗传算法的神经网络
• 2.5.1 混合编码方式
• 2.5.2 混合遗传算子
• 2.5.3 基于遗传算法的神经网络算法NPG
• 第3章 智能TETRIS游戏的估值算法
• 3.1 Tetris常用估值算法
• 3.1.1 Pierre Dellacherie算法
• 3.1.2 Roger Llima算法
• 3.1.3 Colin Fachey算法
• 3.2 PD-Colin算法
• 3.3 四种算法的比较分析
• 第4章 基于NPG算法和PD-COLIN算法的TETRIS
• 4.1 系统框架
• 4.2 功能设计
• 4.2.1 游戏平台
• 4.2.2 自动操作
• 4.2.3 快速操作
• 4.2.4 手工模拟
• 4.2.5 基于NPG算法的参数调整
• 4.2.6 算法选择
• 4.3 详细设计
• 4.3.1 数据存储
• 4.3.2 方块创建
• 4.3.3 方块下落
• 4.3.4 方块旋转
• 4.3.5 方块消行
• 4.3.6 方块升级
• 4.3.7 程序界面
• 结论
• 参考文献
• 致谢
• 附录A 本文用到的关键代码