游戏人工智能中寻路与行为决策技术研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 游戏人工智能系统架构及相关技术 | 第16-25页 |
| 2.1 游戏人工智能及其系统架构 | 第16-17页 |
| 2.1.1 人工智能与游戏人工智能 | 第16页 |
| 2.1.2 游戏人工智能系统架构 | 第16-17页 |
| 2.2 行动系统及A*算法 | 第17-19页 |
| 2.3 决策系统及行为树 | 第19-21页 |
| 2.4 强化学习概述 | 第21-24页 |
| 2.4.1 强化学习 | 第22-23页 |
| 2.4.2 Q学习算法 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 第3章 基于路径复用的A*寻路算法 | 第25-37页 |
| 3.1 A*算法存在的不足 | 第25-26页 |
| 3.2 启发函数的选取 | 第26-29页 |
| 3.2.1 常用启发函数对比 | 第26-28页 |
| 3.2.2 对启发函数的改进 | 第28-29页 |
| 3.3 基于路径复用的寻路算法 | 第29-32页 |
| 3.3.1 算法的基本思想 | 第29-30页 |
| 3.3.2 算法的实现方法 | 第30-32页 |
| 3.4 动态寻路分析 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-36页 |
| 3.6 小结 | 第36-37页 |
| 第4章 基于稳定型强化学习算法的行为树 | 第37-55页 |
| 4.1 强化学习在行为树中的应用 | 第37-39页 |
| 4.2 强化学习行为树中效率低的问题分析 | 第39-42页 |
| 4.2.1 控制策略的不稳定现象 | 第39-40页 |
| 4.2.2 状态值对算法收敛的影响 | 第40-41页 |
| 4.2.3 奖赏函数对算法收敛的影响 | 第41页 |
| 4.2.4 探索策略对算法收敛的影响 | 第41-42页 |
| 4.3 稳定型强化学习算法 | 第42-48页 |
| 4.3.1 状态值递增准则与动作连续性准则 | 第42-44页 |
| 4.3.2 对奖赏函数的改进 | 第44-45页 |
| 4.3.3 算法的探索策略 | 第45-47页 |
| 4.3.4 算法收敛性证明 | 第47-48页 |
| 4.4 行为树实验结果与分析 | 第48-54页 |
| 4.4.1 实验场景 | 第48-50页 |
| 4.4.2 实验参数设置 | 第50-51页 |
| 4.4.3 实验结果与分析 | 第51-54页 |
| 4.5 小结 | 第54-55页 |
| 第5章 基于定性动作的Option算法 | 第55-71页 |
| 5.1 分时探索策略及其存在的问题 | 第55-56页 |
| 5.2 分层强化学习 | 第56-58页 |
| 5.2.1 半马尔科夫决策过程 | 第56-57页 |
| 5.2.2 Option算法 | 第57-58页 |
| 5.3 基于定性动作的Option算法基本思想 | 第58-60页 |
| 5.4 基于定性动作的分步探索策略 | 第60-65页 |
| 5.4.1 定性动作 | 第60页 |
| 5.4.2 次优定性动作判断准则 | 第60-62页 |
| 5.4.3 分步探索策略实现方法 | 第62-65页 |
| 5.5 行为树实验结果与分析 | 第65-69页 |
| 5.5.1 实验设计 | 第65-66页 |
| 5.5.2 实验结果与分析 | 第66-69页 |
| 5.6 小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表论文和科研情况 | 第77页 |
