| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 BP神经网络和游戏决策系统的研究现状 | 第10-13页 |
| 1.2.1 BP神经网络的研究现状 | 第10-12页 |
| 1.2.2 游戏决策系统的研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文章节安排 | 第14-16页 |
| 第2章 运动类游戏决策系统研究及方法设计 | 第16-23页 |
| 2.1 游戏决策技术研究分析 | 第16-19页 |
| 2.2 运动类游戏决策系统实例研究 | 第19-20页 |
| 2.3 运动类游戏决策系统面临的问题 | 第20-21页 |
| 2.4 基于BP神经网络的运动类游戏决策系统设计方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 运动类游戏决策系统中BP神经网络的研究 | 第23-36页 |
| 3.1 BP神经网络在运动类游戏AI中的优势 | 第23-25页 |
| 3.1.1 BP神经网络 | 第23-24页 |
| 3.1.2 在运动类游戏决策系统中BP神经网络的优势 | 第24-25页 |
| 3.2 BP神经网络参数的确定 | 第25-28页 |
| 3.2.1 输入输出和初始权值的确定 | 第25-26页 |
| 3.2.2 隐含层神经元的确定 | 第26页 |
| 3.2.3 激励函数的确定 | 第26-27页 |
| 3.2.4 训练算法 | 第27-28页 |
| 3.3 实验与分析 | 第28-35页 |
| 3.3.1 3v3篮球游戏 | 第28-31页 |
| 3.3.2 实验设置 | 第31-32页 |
| 3.3.3 实验结果分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 运动类游戏决策系统的样本处理方法 | 第36-52页 |
| 4.1 游戏样本处理要求 | 第36-38页 |
| 4.1.1 游戏数据样本处理的必要性 | 第36-37页 |
| 4.1.2 样本处理要求 | 第37-38页 |
| 4.2 聚类分析 | 第38-41页 |
| 4.2.1 聚类算法 | 第38-39页 |
| 4.2.2 K-means | 第39页 |
| 4.2.3 基于聚类的样本处理方法 | 第39-41页 |
| 4.2.4 现有游戏样本聚类方法的局限性 | 第41页 |
| 4.3 两次聚类的样本处理方法 | 第41-50页 |
| 4.3.1 两次聚类的样本处理方法步骤 | 第41-43页 |
| 4.3.2 统计数据组成确定 | 第43-44页 |
| 4.3.3 数据分层设计 | 第44页 |
| 4.3.4 初聚类 | 第44-47页 |
| 4.3.5 二次聚类 | 第47-50页 |
| 4.4 实验与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 基于BP神经网络的运动类游戏决策系统在 3V3篮球游戏中的应用 | 第52-66页 |
| 5.1 篮球游戏的决策需求 | 第52-53页 |
| 5.2 篮球游戏中BP神经网络的设计与实现 | 第53-55页 |
| 5.3 数据存储格式 | 第55-57页 |
| 5.4 样本处理模块的设计与实现 | 第57-59页 |
| 5.5 测试与分析 | 第59-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间研究成果 | 第72页 |
