基于Cocos2d-x的RPG手機游戲開發(fā).pdf

1、角色扮演類游戲(Role-playing Game，RPG)首先要解決的問題是地圖加載的方式和效率，傳統(tǒng)的靜態(tài)加載技術(shù)已經(jīng)無法滿足規(guī)模日益擴大的游戲地圖，更加高效的動態(tài)按需加載技術(shù)需要在游戲中得到更廣泛的運用。其次，RPG游戲要擁有高效而又真實的尋路算法，A*算法被廣泛應(yīng)用在目前流行的角色扮演類游戲中，但是A*算法在規(guī)模較大的地圖中并不適用。最后，RPG游戲需要擁有能夠自主學(xué)習(xí)以及動態(tài)適應(yīng)游戲環(huán)境的NPC，傳統(tǒng)的非定性人工智能(Arti

2、ficial Intelligence，AI)已經(jīng)不能滿足RPG游戲的發(fā)展。本研究基于Cocos2d-x游戲引擎開發(fā)一款RPG游戲，在此基礎(chǔ)上對RPG游戲開發(fā)中的地圖加載、尋路算法以及非玩家角色的AI等幾項關(guān)鍵技術(shù)做出研究和改進。
　　本文首先研究比較了地圖片動態(tài)加載技術(shù)以及地圖片預(yù)加載策略，設(shè)計一種按需加載策略，對地圖片進行評估，將最有可能被再次用到的地圖片存儲在內(nèi)存中，從而減小硬盤訪問次數(shù)和開銷。其次研究高效的尋路算法，在比較

3、分析幾種分層尋路算法的優(yōu)缺點之后，設(shè)計了一種結(jié)合A*和Bresenham算法的分層尋路算法，該算法充分考慮子區(qū)域中障礙物信息，減少A*算法的搜索范圍從而提高尋路效率。最后為NPC構(gòu)建智能體模型，在智能體的決策系統(tǒng)中綜合運用有限狀態(tài)機以及誤差反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)，并通過遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)。使用智能體建模的NPC能夠感知環(huán)境信息從而自主做出決策，讓玩家無法預(yù)測NPC的行為，從而提高了游戲的挑戰(zhàn)性以及趣

4、味性。
　　實驗結(jié)果顯示使用動態(tài)加載策略時平均每秒加載1.98張地圖片，使用預(yù)加載策略時每秒加載的地圖片數(shù)量并沒有顯著減少。在比較按需加載的三種評估策略時，結(jié)果顯示按離屏幕邊緣距離的評估策略性能最優(yōu)。尋路算法對比實驗結(jié)果顯示融合Bresenham的分層A*算法在初始化抽象圖時比HPA*擴展結(jié)點更少，運行時間更短。用三層BP神經(jīng)網(wǎng)絡(luò)的分類準確率為77.5％，而用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)后分類準確率提高到了85％。
　　本文對RPG