遗传算法在贸易类游戏中物流配送的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容及论文组织结构 | 第11-13页 |
| 第2章 游戏开发中的人工智能 | 第13-18页 |
| ·人工智能概述 | 第13页 |
| ·游戏中的人工智能及意义 | 第13-14页 |
| ·几种主流计算智能技术的介绍 | 第14-16页 |
| ·模糊逻辑 | 第14页 |
| ·神经网络 | 第14-15页 |
| ·遗传算法 | 第15-16页 |
| ·未来游戏人工智能的发展方向 | 第16-18页 |
| ·自动的故事情节发展 | 第16页 |
| ·虚拟角色 | 第16页 |
| ·适应玩家 | 第16-18页 |
| 第3章 遗传算法 | 第18-24页 |
| ·遗传算法的计算模型 | 第18-23页 |
| ·遗传算法的原理 | 第18-20页 |
| ·编码技术 | 第20页 |
| ·初始群体设定 | 第20-21页 |
| ·遗传操作 | 第21-23页 |
| ·遗传算法适用方向 | 第23-24页 |
| 第4章 贸易类游戏 AI 中的遗传算法应用 | 第24-36页 |
| ·贸易类游戏的目标简化 | 第24-26页 |
| ·51 城市 TSP 问题具体代码设计 | 第26-28页 |
| ·群体设定 | 第26页 |
| ·适应度函数设计 | 第26页 |
| ·选择算子的设计 | 第26页 |
| ·交叉算子的设计 | 第26-28页 |
| ·变异算子的设计 | 第28页 |
| ·具体代码的优化 | 第28-31页 |
| ·种群大小、交叉概率、变异概率的选择 | 第29-30页 |
| ·针对交叉算子的改进 | 第30-31页 |
| ·模拟 51 城市的过程与结果 | 第31-36页 |
| ·遍历 51 城市的改进效果 | 第31-34页 |
| ·改进的算法在求解其他数目城市时的表现 | 第34页 |
| ·贸易类游戏中更多的遗传算法 | 第34-36页 |
| 第5章 总结与展望 | 第36-38页 |
| ·总结 | 第36页 |
| ·展望 | 第36-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40页 |
