人工智能在游戏中的应用1214刘林Word格式文档下载.docx
- 文档编号:16035886
- 上传时间:2022-11-17
- 格式:DOCX
- 页数:16
- 大小:360.32KB
人工智能在游戏中的应用1214刘林Word格式文档下载.docx
《人工智能在游戏中的应用1214刘林Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《人工智能在游戏中的应用1214刘林Word格式文档下载.docx(16页珍藏版)》请在冰豆网上搜索。
授课教师:
尹传环
年月日
中文摘要
人工智能如今应用在生活的不同领域,影响着人们的日常生活,并在生活中扮演着越来越重要的角色。
其中,将其应用到游戏领域,无疑为人们的生活增添了更多的娱乐性。
本文旨在介绍一些应用到游戏中的人工智能技术,阐明其作用原理及效果。
介绍的技术有:
人工神经网络、遗传算法和A*算法。
随后,又会对游戏中的虚拟人物的设定进行一个讨论。
最后,我会在游戏制作平台RPGMakerXP上对游戏智能进行仿真,通过简单的例子来解释人工智能技术在游戏中的具体应用。
关键词:
人工智能;
游戏;
RPGMakerXP
Abstract
Nowadays,artificialintelligenceareusingindifferentareasoflife,whichaffectspeople’slifeandplayanincreasinglyimportantroleintheirlives.
Especiallyusingitinthefieldofthegameisundoubtedlygivingpeople'
slivesmoreentertaining.
Thisarticleaimstointroducesomeprincipleappliedtothegame'
sartificialintelligencetechnology,toclarifyitsroleandeffect.Thetechnologyareartificialneuralnetworks,geneticalgorithmsandA*algorithm.Subsequently,itwillputthevirtualcharactersinthegamesetadiscussion.
Finally,IwoulduseRPGMakerXP,agameproductionplatform,tosimulategameintelligence.Throughasimpleexample,Iwillexplainthespecificapplicationofartificialintelligencetechniquesinthegame.
Keywords:
artificialintelligence;
game;
RPGMakerXP
目 录
1绪论2
1.1研究背景及意义2
1.2本文的主要工作2
2游戏中的人工智能技术3
2.1人工神经网络3
2.1.1人工神经网络3
2.1.2基于人工神经网络的游戏学习设计4
2.2遗传算法5
2.2.1遗传算法5
2.2.2遗传算法实现过程6
2.2.3遗传算法解决游戏开发不可预测性问题6
2.3A*算法8
2.3.1A*算法8
2.3.2层次化的路径搜索9
2.4NPC的人工智能10
2.4.1普通NPC10
2.4.2怪物NPC10
3RPGMakerXP12
3.1RPGMakerXP简介12
3.2游戏实现12
3.2.1玩家人物设定12
3.2.2普通NPC13
3.2.3怪物NPC15
4总结17
4.1工作总结17
4.2展望17
1绪论
当今社会,游戏产业无疑成为了最火爆的新兴产业,吸引着越来越多的玩家,正朝气蓬勃地发展着。
而人们在追求更新鲜、更刺激的玩法同时,人工智能的引入也使得游戏更加具有魅力。
1.1研究背景及意义
人工智能(ArtificialIntelligence),英文缩写为AI。
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支,它企图了解智能的质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等【1】。
游戏人工智能(AI)的应用使游戏开发发生了质的飞跃。
高质量的游戏AIl已不再仅仅为提高帧率而考虑,而是促进还是阻碍游戏产品畅销的一个决定性因素。
因此,游戏开发者竭尽所能研究新的AI技术.以构筑更好.更聪明的游戏AI.以尽可能吸引多的玩家,提升产品销量。
例如,多年来开发者利用AI开发的经典游戏“小精灵”里的魔鬼、“Unreal”第一人称射击游戏里的虚拟队友,以及许多介于两者之间的其他游戏角色,在游戏中看起来都具有智慧生命,因此,这类游戏颇受市场欢迎。
然而,开发者的理想不仅仅局限于此.他们想使AI不仅能创造有趣的游戏对手,能够与玩家交谈,能和众多的在线冒险家周旋,能在游戏中不断学习,使它在下一轮的游戏中变得更加聪明机智【2】。
1.2本文的主要工作
首先,本文会介绍一些在游戏中常见的人工智能技术,如:
人工神经网络、遗传算法、A*算法、怪物的人工智能实现等;
然后会在后面介绍一款游戏制作软件,并在其上实现一些简单的游戏人工智能实例。
2游戏中的人工智能技术
游戏中应用人工智能的目的是使得游戏更加合理化以及方便玩家进行游戏,同时在完善游戏的过程中,也能给玩家带来前所未有的刺激。
游戏中应用人工智能的终极目标便是让玩家在与电脑进行交互时,觉得自己是在与人交互,使游戏的真实性大大提高。
2.1人工神经网络
2.1.1人工神经网络
人工神经网络(ArtificialNeuralNetworks,ANN)采用的是模拟法来实现机器的智能化。
其实现方法和生物自身所用的方法相似或相同,可以解决传统方法难以解决的问题。
它模仿及延伸人脑认知功能的活动方式,以连接机制为基础的神经网络具有大量的并行性、良好的互联性、储存的分布性、高度的容错性和结构的可变性。
当神经元对所有的输入信号综合分析,超过某一阀值后就输出一个信号,它提供了对输入数据进行模式匹配和趋势预测的直观方式,突破了以线性处理为基础的数字电子计算机的局限【3】。
在ANN中,特征函数V仅仅是特征值的加权和,若把阀值也视为权值的一个分量,对于一个神经元s∈S来说,其值V(s)通过下式获得:
这里的wi是第i个特征的权重。
V(s)值被视为对应于从神经元(如棋类游戏的棋局)s∈S出发所到达的最好结局的预测值。
在人工神经网络中,权值用于模拟神经元之间的连接强度,通过学习得到的信息或知识就“存储”在权值中,并以权值表现出来。
神经网络输入特征数据的选取是非常重要的工作,如在棋类游戏设计中,对于任一个棋局,可以轻易地确定其领先棋子数的特征值。
游戏棋手只需计算出自己拥有的棋子数,然后减去对手所拥有的棋子数即可。
对弈开始时,“领先棋子数”的值为零(对弈双方的棋子数相同)。
随着对弈的继续,该特征值可能为正。
根据棋局所具有的共同特征,把大量不同的棋局分别归并到若干个集合里【4】
(如图2所示有三类特征),这些集合不同于种类庞杂的棋局,它们会在博弈过程中反复出现,这样便获得一种可行的方法,来摆脱棋局本身数目的不可穷尽性所带来的麻烦,从而解决棋局种类无穷无尽所带来的问题。
在这样设计的游戏中,游戏程序可以分两步进行学习:
①预测某个行动(走法)产生的影响;
②如果在采取相应行动后,预测没有得到证实,那么就要修正所采取的行动。
在对弈过程中的每一个决策点,根据V的预测来选择下一步的走法。
随着对弈的进行,在每次V所作预测出现实质性改变(变得更糟)的时候,V的权重将相应发生改变。
图1是一个单神经元的棋类游戏程序。
通过在开始时固定特征集(vi)简化问题,把特征看作玩家“感觉器官”中固定的部分。
特征集刻画了某一特定棋局(状态)的特点。
随着游戏棋手不断积累经验,可靠的预测将从遍历树的叶结点向根部移动。
通过调整权重的程序,使玩家逐步地提高棋艺。
图1棋类单神经元游戏的核心算法
2.1.2基于人工神经网络的游戏学习设计
神经网络对问题的求解方式与传统方法不同,具有很强的自学习能力【5】,通过不断学习,ANN能够从未知模式的大量复杂数据中发现其规律。
神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难,经过训练来解答问题,ANN能快速有效地建立问题求解的线性和非线性的模型。
要让人工神经网络工作(比如说进行图形或字符的模式识别或分类),就要先让网络学习,或对网络进行训练,让它获取“知识”,并将这些“知识”存储起来。
学习或训练一旦完成,“知识”就存储在权值中,称为按内容寻址存储。
这和计算机中的按地址存储是不同的。
同样在游戏开发中,利用合适的神经网络模型可以作为人物建模系统的基础,通过预测玩家接下来的动作或下一个场景画面,可以利用神经网络“存储”信息,在游戏运行期间让学习元素持续运行,从而使神经网络潜在地学会自适应技术,达到游戏的趣味和可玩性【6】。
2.2遗传算法
规则的制定需要设计者对游戏有足够的了解,要考虑到多个方面的情况,这对于开发者来说是一个几乎不可能完成的任务。
而且,一系列的规则又会带来上述的弊端,影响游戏的可玩性。
替玩家做出有挑战性的游戏环境是游戏设计师的职责。
事实上,游戏在开发时大部分都是平衡这个游戏世界。
游戏必须让玩家觉得有足够的难度,既能调动玩家的兴趣又不使玩家受挫,有时候玩家会发现一些漏洞或窍门,也就是作弊。
替不同技巧水平的玩家做出一个真正平衡又有挑战性的游戏,那是一项艰难的任务。
所幸,遗传算法可以助我们一臂之力。
2.2.1遗传算法
遗传算法是近年来发展起来的一种崭新的全局优化算法。
它借用了仿真生物遗传学和自然选择机理,通过自然选择、遗传、变异等机制,实现各个个体的适应性的提高。
从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。
遗传算法对求解问题的本身一无所知,它所需要的仅是对算法所产生的每个染色体进行评价。
把问题的解表示成染色体,并基于适应值来选择染色体,使适应性好的染色体有更多的繁殖机会。
在执行遗传算法之前,给出一群染色体,也即是假设解,然后,把这些假设解置于问题的“环境”中,也即一个适应度函数中来评价。
并按适者生存的原则,从中选择出较适应的染色体进行复制,淘汰低适应度的个体。
再通过交叉,变异过程产生更适应环境的新一代染色群体,再对这个新种群进行下一轮进化,直到最适合环境的值。
。
2.2.2遗传算法实现过程
(1)对待解决问题进行编码;
(2)随机初始化群体;
(3)计算群体上每个个体的适应度值;
(4)评估适度,对当前群体中每个个体计算其适应度;
(5)按预定的选择算子产生后代;
(6)对后代进行交叉操作;
(7)对后代进行变异操作;
(8)判断是否满足停止条件,满足转第3步,否则进入9;
(9)输出种群中适应度值最优的个体。
2.2.3遗传算法解决游戏开发不可预测性问题
游戏设计时,游戏环境中最不可预测的因素就是玩家。
就某种程度而言,游戏设计师必须要预测玩家的行为,以建立有挑战性的敌人。
可惜的是,实际很难预测并响应每个可能的玩家的行为,遗传算法可以帮我们很
好的解决问题。
考虑一个假想的多人角色扮演游戏,用遗传算法来解决我们遇到的问题。
在此游戏中,玩家可以从多种角色类型和能力中选择一
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 游戏 中的 应用 1214 刘林