论文部分内容阅读
在当今社会,伴随着计算机软硬件水平的不断发展,游戏产业在近十年取得了快速的发展。长期以来由于受到人工智能理论研究和计算机实时处理性能发展的双重制约,造成游戏人工智能的发展相对落后于图形图像和实时交互技术的发展速度。随着游戏玩家追求更深层次的游戏内涵,在游戏设计与开发中需要着重考虑游戏的可玩性,而游戏人工智能的应用表现就突出反映了这一点。同时在不同游戏之中对于游戏人工智能的需求存在差异性,使得游戏人工智能的实现过程与手段也不尽相同,那么能够集成且功能完善的游戏人工智能的游戏引擎也不会出现。本论文介绍和分析游戏人工智能实现技术,由游戏人工智能的实现技术状态机开始,逐步延伸到行为树。通过对状态机和行为树的实现机制、比对两者的实现复杂度,进而分析得出状态机和行为树的适用范围。通过分析研究遗传算法和BP神经网络的理论依据为主要工作,将利用遗传算法优化的BP神经网络对行为树节点进行进化,从而使得行为树自身得到不断进化。在本论文中,通过在Unity 3D游戏引擎上设计实现来验证行为树进化有效性。由于需要模拟真实场景并给予玩家和游戏角色之间行为上的交互,非玩家控制游戏角色(Non Player Controlled Character,NPC)数量可能十分庞大,为确保游戏运行中的刷新帧率在一个允许范围之内,那么对实现游戏人工智能的行为树模型复杂程度设置了限定要求。设计完成游戏项目所需的游戏场景以及表现玩家和游戏角色的预制体,构建出按照玩家和游戏角色的不同行为要求的行为树模型,之后在利用遗传算法优化的BP神经网络基础上,对已有的行为树模型进行进化,最后利用构建出的进化行为树来控制NPC的行为。在测试中达到利用遗传算法优化的BP神经网络所构建出的进化行为树模型能够实现NPC的单体属性均不相同的目的,并可以进一步拓展应用到复杂的NPC游戏人工智能的架构中。