论文部分内容阅读
游戏中的人工智能研究一直是人工智能领域的研究热点,在多种实际游戏场景中取得了很好的效果。本文分析了棋牌类游戏智能的研究现状,针对国内的热门牌类研究,对非完全信息下的牌类游戏进行了研究和讨论。本文所做的研究工作主要体现在以下几个方面: 1、提出了基于权值矩阵的对弈决策选择方法。将牌型、规则、手牌划分等信息量化,并形式化博弈信息,给出在初始时候的博弈方法-基于单手均值函数变化的行为选择的方法。 2、提出了基于树搜索的不完全信息牌类博弈模型-Aidgearpoker。Aidgear-poker将全局博弈分为两阶段进行求解,第一阶段使用动态更新的权值矩阵和单手均值函数变化来判断下一步行为策略;第二阶段构造博弈树,基于当前己方手牌和对手池进行博弈树的剪枝。对已构造的博弈树进行完全搜索。采用搜索结果作为下一步行为。若搜索结果为空,则采用第一阶段法选取行为策略。通过实验验证了Aidgearpoker的可行性。 3、给出了对弈决策融合判断方法。首先定义了手牌相似度,然后通过分析先验分析矩阵、后验分析矩阵、进阶后验分析矩阵,得到已有博弈过程的全局策略的形式化表示。 4、设计了基于Android平台的“掼蛋”智能NPC。给出了在Android平台下的牌类游戏设计框架,实现了基于规则的智能NPC设计,并基于不完全信息牌类博弈模型Aidgearpoker,对出牌进行搜索,系统运行结果给出了这两种NPC的胜率。