基于BP神經(jīng)網(wǎng)絡(luò)的運動類游戲決策系統(tǒng)的研究.pdf

1、游戲AI主要研究如何讓游戲中的生物像人類一樣具有智能行為、思維活動或情感等特性?？沙掷m(xù)學(xué)習(xí)的游戲AI是現(xiàn)在的研究熱點之一。本文主要做了以下幾個方面的工作：
　　1）提出了一種基于 BP神經(jīng)網(wǎng)絡(luò)的運動類游戲決策系統(tǒng)設(shè)計方法。根據(jù)運動類游戲的特點，利用BP神經(jīng)網(wǎng)絡(luò)賦予決策系統(tǒng)進化學(xué)習(xí)的能力。同時，利用聚類分析對游戲數(shù)據(jù)進行處理，獲得BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，達到讓游戲決策系統(tǒng)持續(xù)學(xué)習(xí)的目的。
　　2）針對運動類游戲的特點確定 BP

2、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。根據(jù)運動類游戲的特點，確定了神經(jīng)網(wǎng)絡(luò)中初始權(quán)值、隱含層及激勵函數(shù)的選取。設(shè)計了一個3V3籃球游戲原型作為測試平臺與數(shù)據(jù)源。從游戲中獲取玩家數(shù)據(jù)組成樣本，設(shè)計實驗比較了多種訓(xùn)練算法的訓(xùn)練速度與內(nèi)存消耗，并確定本文使用Fletcher-Reeves共軛梯度法。
　　3）提出兩次聚類的樣本處理方法。利用聚類分析對統(tǒng)計數(shù)據(jù)進行處理，分離運動類游戲中戰(zhàn)術(shù)傾向不同的矛盾數(shù)據(jù)，得到戰(zhàn)術(shù)傾向不同的統(tǒng)計數(shù)據(jù)集。然后獲取統(tǒng)計數(shù)據(jù)集下的

3、實時數(shù)據(jù)進行聚類，優(yōu)化樣本分布。最后設(shè)計實驗，分別使用經(jīng)過兩次聚類處理后的樣本和原始數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，從收斂速度和預(yù)測精度進行對比，驗證了兩次聚類方法的有效性。
　　4）實現(xiàn)了3V3籃球游戲的決策系統(tǒng)原型。為了驗證本文提出方法的有效性，以3V3籃球游戲為例，將基于 BP神經(jīng)網(wǎng)絡(luò)的運動類游戲決策系統(tǒng)應(yīng)用到3V3籃球游戲中，實現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的實時決策模塊與基于聚類分析的樣本處理模塊。使用原始樣本、單次聚類樣本和二次聚類樣