论文部分内容阅读
具有学习能力和动态适应环境变化的自主角色已经成为商业游戏的一个研究热点,采用传统的基于规则的方法往往无法实现复杂的自主角色的行为,基于此,采用非确定性的神经网络和遗传算法来实现自主角色已经成为当前游戏的一个热点,本文首先分析了游戏自主角色的特点,接着通过认知建模来指导简单的非玩家控制角色的自主行为,最后利用遗传算法优化BP神经网络的方法设计和实现了一个游戏自主角色模型,并通过实验进行了验证。本文工作对角色扮演类型游戏的开发具有参考价值。
本文共分为五章。第一章主要介绍本文的研究背景、主要研究内容及技术路线;第二章主要是通过认知建模构建一个游戏角色的自主性模型;第三章讨论了神经网络和遗传算法在自主角色实现中的方法;第四章描述了一个具有自主角色性的游戏原型系统,第五章总结本文所做的研究工作,指出尚未解决和有待改进之处。
本文的主要成果是利用认知模型来指导非玩家控制角色的简单行为,利用动量改进BP算法(简称MBP算法)和遗传算法相结合来训练角色扮演类型游戏中非玩家控制角色对复杂行为的学习,最终实现非玩家控制角色的自主行为。