论文部分内容阅读
即时战略游戏是一种资源采集、建造建筑并即时战斗的一类游戏,是电子游戏中十分重要的一类,又因即时战略游戏所要求的实时性、交互性和可玩性这些特征决定了即时战略游戏重要组成部分之一的寻路要满足多智能体在同一时间能并发路径搜索并实现快速移动,真实自然的模拟出游戏世界中的群体寻路。传统的寻路算法虽然实现了寻找最短路径,但是寻路的个体数量和速度均不能满足玩家要求,影响玩家游戏体验。近些年来,也曾有学者将人工势场法、智能仿生算法应用在游戏寻路中,但是仍不能满足即时战略游戏中多智能体同时寻路快速到达目的地的需求,还是采用优化单条路径规划速度来提高整体速度,而不是整体来改进群体路径规划。大量智能体在移动的过程中在现有的路径规划方法中会出现快即是慢、拱形拥塞等现象。因此,本文主要针对以上问题对即时战略游戏中多智能体智能寻路算法和模拟人群模型开展研究。本文主要工作和创新点如下:1、现在主要寻路算法是规划以起点到终点的一条路径为主,不能解决即时战略游戏中多智能体同时寻路,并发寻找多条路径。针对这一问题,本文采用智能流场寻路算法解决路径规划的问题,提出一种基于组合式改进的流场寻路算法。该算法从数据存储、完整代价值计算和流场生成方式三个方面改进,实现并发寻路的基础上进一步缩短寻路时间,提高游戏智能水平。2、虽然流场寻路算法很好的解决了多智能体并发寻路的问题,但是在大规模群体模拟中快即是慢、拱形拥塞的现象仍然会出现。针对游戏场景中多智能体寻路碰撞阻塞的问题,本文结合高密度模拟人群模型改进流场寻路算法,使得即时战略游戏中的多智能体即时寻路并模拟出真实世界的移动。该模型从心理和几何规则确定智能体移动的下一位置,综合分析了目标位置的吸引力、避免各种对象的避免力、墙壁等障碍物的排斥力、其他移动智能体施加的力和上一位置所受力的合力得出智能体的移动方向和速度,确定下一位置,同时根据规则调整各参数至恰当的权重,最终确定整个群体的移动。3、将上述的算法与模型应用在实际场景模拟中,实现了多智能体即时寻路移动的场景并与其他算法进行对比。在Visual Studio2017平台下,采用OpenGL实现算法的可视化,并与传统寻路算法、启发式算法和新型寻路算法进行对比。实验结果证明,结合高密度人群模拟模型的改进流场寻路算法适合于多智能体即时移动的场景。