随着硬件性能的飞速提升和图形学的迅猛发展,游戏开发正发生着革命性转变。三维渲染和图形视效已发展到一个顶峰,游戏开发的重心逐步从“图形”转向“人工智能”。“游戏人工智能”是一个全新的概念,它主要研究如何将已有的“人工智能技术”更好的应用于游戏开发中,使得游戏表现出与人类智能行为、思维活动或情感等相符合的特性。“游戏人工智能”是游戏生命力得以延续的一种强大技术,在国内外学术界和产业界引起了广泛的关注与重视。本文在广泛查阅和整理国内外研究资料的基础上主要做了三个方面的工作：首先,概括性的归纳和总结了“游戏人工智能”的概念、特点及其发展历程,简单介绍了常见的人工智能技术在游戏开发中的应用,并结合计算机学科的发展对“游戏人工智能”的未来做了适度展望。其次,对比分析了几种常用的栅格化游戏地图搜索算法,并结合实际游戏开发重点讨论了A*算法在应用上的不足,通过启发函数加权以打破搜索均势,避免多个均势节点的无效扩展,在一定程度上提高了算法的执行效率和避障智能。最后,提出了一个基于人工神经网络与有限状态机相结合的具有学习演化能力的游戏开发模型,设计实现了该模型中通用的“BP神经网络决策引擎”并以此模型和JAVA游戏开发的相关技术完成了一个11人制Robot Soccer仿真游戏的设计与开发,取得了比较理想的实验效果。