游戏中基于规则与机器学习的智能技术应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-13页 |
| ·课题背景和研究意义 | 第10-11页 |
| ·课题研究现状简介 | 第11页 |
| ·论文的主要工作 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 游戏中人工智能技术的介绍 | 第13-18页 |
| ·游戏中人工智能概述 | 第13-14页 |
| ·游戏中人工智能的定义 | 第13页 |
| ·游戏中人工智能的作用 | 第13页 |
| ·游戏中人工智能的分类 | 第13-14页 |
| ·游戏中人工智能的发展前景 | 第14页 |
| ·游戏中人工智能技术的现状 | 第14-17页 |
| ·基于规则的智能技术 | 第15页 |
| ·基于机器学习的智能技术 | 第15-16页 |
| ·可扩展的AI | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 图形渲染引擎的构建 | 第18-22页 |
| ·2D 图形渲染引擎的构建 | 第18页 |
| ·3D 图形渲染引擎概述 | 第18-19页 |
| ·3D 图形渲染引擎的构建 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 4 游戏中基于规则的智能技术应用研究 | 第22-37页 |
| ·确定性运动算法 | 第22页 |
| ·随机运动算法 | 第22-23页 |
| ·跟踪和闪避算法 | 第23-26页 |
| ·基本的跟踪和闪避算法 | 第24-25页 |
| ·视线跟踪算法 | 第25-26页 |
| ·群聚算法 | 第26-30页 |
| ·群聚算法基本思想 | 第26-27页 |
| ·邻居的搜寻方法 | 第27-29页 |
| ·聚合 | 第29-30页 |
| ·对齐 | 第30页 |
| ·分离 | 第30页 |
| ·模式运动技术 | 第30-32页 |
| ·行为建模的有穷自动机技术 | 第32-33页 |
| ·A*算法寻路技术 | 第33-36页 |
| ·A*搜索策略概述 | 第33页 |
| ·A*算法的寻路过程 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 5 游戏中基于机器学习的智能技术应用研究 | 第37-53页 |
| ·遗传算法和人工神经网络技术简介 | 第37页 |
| ·遗传算法简介 | 第37页 |
| ·人工神经网络简介 | 第37页 |
| ·求解智能体的路径搜寻问题 | 第37-39页 |
| ·路径搜寻问题概述 | 第37-38页 |
| ·路径搜寻问题的遗传算法参数设计 | 第38-39页 |
| ·求解飞行物体的着陆问题 | 第39-40页 |
| ·飞行物体着陆问题概述 | 第39页 |
| ·飞行物体降落问题的遗传算法参数设计 | 第39-40页 |
| ·求解障碍物绕行问题 | 第40-46页 |
| ·障碍物绕行问题概述 | 第40-41页 |
| ·无监督神经网络方法概述 | 第41-42页 |
| ·障碍物绕行问题的无监督神经网络设计 | 第42-46页 |
| ·求解智能体的鼠标轨迹识别问题 | 第46-52页 |
| ·鼠标轨迹识别问题概述 | 第46-47页 |
| ·BP 神经网络概述 | 第47页 |
| ·训练和测试数据的获取 | 第47-49页 |
| ·鼠标识别问题的BP 神经网络设计 | 第49-52页 |
| ·鼠标识别问题的SVM 实验设计 | 第52页 |
| ·本章小结 | 第52-53页 |
| 6 基于机器学习的智能技术的实现和实验结果 | 第53-62页 |
| ·实验环境 | 第53页 |
| ·路径搜寻问题的实现及其结果分析 | 第53-55页 |
| ·飞行物体着陆问题的实现及其结果分析 | 第55-56页 |
| ·障碍物绕行问题的实现及其结果分析 | 第56-58页 |
| ·鼠标轨迹识别问题的实现及其结果分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 7 总结与展望 | 第62-63页 |
| ·全文总结 | 第62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-69页 |
| A. 作者在攻读学位期间发表的论文目录 | 第67页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第67-69页 |
