基于强化学习的TankWar游戏对弈策略的设计与实现开题报告

 2021-12-30 20:33:20

全文总字数:4859字

1. 研究目的与意义(文献综述)

1.1背景分析

随着硬件技术的迅猛提升,以及人们对于电子游戏相关的娱乐方式和要求日益提高,面对各项人机交互需求,游戏人工智能已经成为了当前开发人员最为重视的环节之一,为了加强这一方面的人工智能技术应用于游戏模型中,使游戏表现出与人类智能行为,思维活动或情感相符合的特征[1],国内外学术界和产业界产生了高度重视。基于强化学习和对应游戏的策略设计是当前人们关注游戏及ai模型当中所关注的焦点,当前各大游戏制作商通过强化学习的学习模型,强化游戏当中各种人机对战的实感,将强化学习应用到各类游戏当中的智能ai。

电子游戏作为当前社会的黄金产业,对于其中游戏体验的优化以及相关各项要求都需要不断地进一步发展,在游戏ai的不断完善中达成了玩家与规则的较量转化为人与游戏环境的交互,与故事情节的融合,与npc之间的交涉和转化之间达成,这一过程在学术界和产业界之间的落差,逐渐形成了当前开发环境下缺乏的关键因素,也是国内最为关注和谋求技术发展的一大重要方面。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.1目标

设计并实现基于安卓的tankwar游戏设计,并且基于强化学习建立游戏ai优化人机对战。

2.2基本内容

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

通过科学分析本课题及项目进度将通过以下预计进度进行安排:

1-2周,理解课题研究内容的重点,结合项目要求中的各类细节,通过查阅资料初步明确游戏设计内容。

3-5周,基于软件工程学科软件实现的方法,转化初期的要点内容为具体的游戏需求,建立系统设计方案并且撰写需求文档,将系统实现方法进行初步构思。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] 邹会来. 人工智能技术在游戏开发中的应用与研究[d]. 浙江:浙江师范大学,2011.

[2]andrey simonov,aleksandr zagarskikh,victor fedorov.applying behavior characteristics to decision-making process to createbelievable game ai[j]. procedia computer science,2019,156.

[3]. [美]iangoodfellow(伊恩·古德费洛),[加]yoshuabengio(约书亚·本吉奥),[加]aaroncourville(亚伦·库维尔).深度学习.人民邮电出版社出版,2017.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。