即时战略游戏中混合学习算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 游戏智能的研究现状 | 第9-11页 |
| 1.2 本课题研究目的和意义 | 第11-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第2章 预备知识 | 第15-22页 |
| 2.1 战略游戏的资源优化问题 | 第15-16页 |
| 2.1.1 即时战略游戏 | 第15页 |
| 2.1.2 资源优化问题 | 第15-16页 |
| 2.2 常见软优化算法 | 第16-19页 |
| 2.2.1 遗传算法 | 第16-17页 |
| 2.2.2 粒子群算法 | 第17页 |
| 2.2.3 蚁群算法 | 第17-18页 |
| 2.2.4 神经网络 | 第18-19页 |
| 2.3 人工势场介绍 | 第19-22页 |
| 2.3.1 传统路径搜索 | 第19-20页 |
| 2.3.2 人工势场 | 第20-22页 |
| 第3章 游戏中优化问题及算设计 | 第22-38页 |
| 3.1 仿真规则设置 | 第22-23页 |
| 3.2 算法设计 | 第23-24页 |
| 3.3 资源分配阶段设计 | 第24-27页 |
| 3.4 最优防御位置选取 | 第27-32页 |
| 3.4.1 遗传算法设计 | 第28-29页 |
| 3.4.2 粒子群算法设计 | 第29-31页 |
| 3.4.3 评估函数的设计 | 第31-32页 |
| 3.5 两阶段加速模型 | 第32-38页 |
| 第4章 实验部分 | 第38-44页 |
| 4.1 实验环境 | 第38页 |
| 4.2 各阶段实验结果 | 第38-41页 |
| 4.2.1 遗传算法与粒子群算法的比较 | 第38-39页 |
| 4.2.2 两阶段加速模型的实验分析 | 第39-41页 |
| 4.3 算法处理时间分析 | 第41-44页 |
| 4.3.1 遗传算法也粒子群算法效率比较 | 第41-42页 |
| 4.3.2 加速模型处理时间 | 第42页 |
| 4.3.3 势场引入 | 第42-44页 |
| 第5章 结论与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 攻读学位期间取得的科研成果 | 第49页 |
