游戲中基于規(guī)則與機(jī)器學(xué)習(xí)的智能技術(shù)應(yīng)用研究.pdf

1、近年來(lái)，游戲的圖形質(zhì)量已發(fā)展到近乎極致的地步，人工智能(AI)已經(jīng)成為決定一款游戲以及游戲開(kāi)發(fā)工作室命運(yùn)的重要因素。下一代的3D游戲不僅會(huì)有優(yōu)秀的視覺(jué)效果，更會(huì)像人一樣狡猾和聰明。由于國(guó)內(nèi)還沒(méi)有展開(kāi)全面研究和應(yīng)用，而且本文研究并實(shí)現(xiàn)的AI技術(shù)在一定程度上提高了游戲智能，因此該課題具有一定的學(xué)術(shù)和應(yīng)用價(jià)值。
　　本文目標(biāo)是構(gòu)建一個(gè)基本圖形渲染引擎，以這個(gè)渲染引擎為平臺(tái)，對(duì)若干基于規(guī)則和機(jī)器學(xué)習(xí)的AI技術(shù)進(jìn)行了深入研究和實(shí)現(xiàn)，并應(yīng)用若

2、干機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)了游戲中一些常見(jiàn)問(wèn)題的求解。
　　首先構(gòu)建圖形渲染引擎，功能有：完整流水線，物體剔除，背面消除，歐拉相機(jī)，光照模型，固定、恒定和Gouraud著色方法，3D裁剪，深度排序。
　　然后研究實(shí)現(xiàn)了若干基于規(guī)則的AI技術(shù)?；谝?guī)則的AI技術(shù)包括：確定性運(yùn)動(dòng)算法、隨機(jī)運(yùn)動(dòng)算法、跟蹤閃避算法、群聚算法、模式運(yùn)動(dòng)技術(shù)、行為建模的有窮自動(dòng)機(jī)技術(shù)和A*算法等。
　　最后采用機(jī)器學(xué)習(xí)中的遺傳算法和人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了游

3、戲中以下問(wèn)題的求解：
　　1．尋路問(wèn)題。一條染色體代表一條路徑。實(shí)驗(yàn)表明遺傳算法對(duì)結(jié)果的不可預(yù)知性可以有效地提高尋路的智能；
　　2．飛行物體的著陸問(wèn)題。染色體由飛行物體的運(yùn)行方式組成。實(shí)驗(yàn)表明遺傳算法對(duì)結(jié)果的不可預(yù)知性使得降落更加智能化，不需要人工的干預(yù)；
　　3．障礙物繞行問(wèn)題。使用遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)的權(quán)值；利用以智能體中心為出發(fā)點(diǎn)的5條射線模擬傳感器感知環(huán)境。經(jīng)過(guò)768代的進(jìn)化，遺傳算法種群最優(yōu)適應(yīng)度和平均適應(yīng)

4、度都有了明顯提高，繞行成功率從12.5％上升到85%；
　　4．鼠標(biāo)軌跡識(shí)別問(wèn)題。神經(jīng)網(wǎng)絡(luò)權(quán)值由反向傳播算法學(xué)習(xí)更新；采用1200個(gè)樣例訓(xùn)練，誤差閾值為34.0037，另外1200個(gè)樣例測(cè)試，將神經(jīng)網(wǎng)絡(luò)與SVM做了實(shí)驗(yàn)對(duì)比，得出結(jié)論：神經(jīng)網(wǎng)絡(luò)和SVM的正確分類樣本數(shù)分別為1125和1185，錯(cuò)誤分類樣本數(shù)分別為75和15，正確率分別為93.75%和98.75%。
　　下一步工作，希望將這些AI技術(shù)有機(jī)地結(jié)合起來(lái)，整合為一個(gè)A