近年来游戏产业高速发展,游戏中的智能表现相对于近乎极致的图像质量已经成为制约游戏发展的瓶颈,这一矛盾在竞速游戏中表现得尤为突出。在竞速游戏中玩家的对手能否表现得足够智能是决定游戏性的关键。通过智能控制车辆熟练地自动行驶不仅是竞速游戏迫切需要解决的问题,而且对现实机器人仿真方面也具有实际意义。本文针对竞速游戏中如何更好地控制赛车问题,研究了人工智能在竞速游戏中的应用,主要工作包括以下几个方面。首先,本文对游戏智能的概念,特点及应用方面进行了详细阐述,研究和总结了游戏中人工智能法的应用现状,对竞速游戏中人工智能应用的现状进行了分类研究,对人工智能方法在竞速游戏中的应用前景进行了分析,认为在竞速游戏中如何更好的控制赛车以适应场景中复杂环境,并产生合理有效的行为表现已成为当前迫切有待解决的问题。随后,本文针对如何控制赛车环绕一个具有真实物理性的连通路径问题,提出了基于进化算法和神经网络的三种赛车控制器：行为序列控制器,区域力场控制器和传感器控制器。控制器的基本思想是利用优化算法的特性,在一些特定的信息输入条件下,得到优化的行为结果,以达到较好地控制赛车的目的。通过在虚拟赛车游戏环境中的实验对比不同的控制器,来研究控制赛车熟练快速地环绕路径需要哪些信息,又如何表示这些信息,如何最好地演化一个尽可能快地环绕轨道的赛车控制器。实验结果表明传感器控制器产生的行为表现达到了较好的效果,其适应度也优于其他控制器,同时也说明了由传感器得到的赛车第一人称信息比第三人称信息更具有的优势。接着,本文研究了赛车控制器如何模拟玩家行为这一能够有效增强游戏性的问题,通过对比直接模拟和间接模拟这两种的方式,设计了一个以总进度,赛车经过路径点时的速度和偏移方向为评价标准的多目标进化策略,通过以玩家信息为样本有监督地训练控制器来模拟玩家的行为特征。实验表明基于间接模拟在三个评价标准方面都有明显地体现,能够比较真实的模拟出玩家的驾驶风格。最后本文在Troque游戏引擎下实现一个玩家与NPC赛车竞速的游戏Demo,将前文的研究结果应用到实际的游戏当中检验其可行性和实用性。游戏Demo表现出了较好的游戏性。