一个基于神经网络和遗传算法的游戏自主角色的设计

Game design of self automation based on artificial neural nets and genetic algorithms

具有学习能力和动态适应环境变化的自主角色已经成为商业游戏的一个卖点,采用传统的人工智能方法往往无法实现复杂的自主角色的行为,基于此,采用非确定性的神经网络和遗传算法来实现自主角色已经成为当前游戏人工智能的一个热点。分析了游戏自主角色的特点,建立了NPC的自主认知模型,同时采用神经网络和遗传算法相结合的游戏自主角色的设计思路,利用遗传算法优化神经网络的方法设计了一个自主角色的框架,建立了一个游戏角色的自学习模型,通过仿真实验表明采用神经网络和遗传算法相结合的非确定性算法形成的游戏角色的自学习系统要比传统的NPC角色更加自主和智能化。

The self-automation of no-player-control role has been trends of video games. To improve selfautomation of No-Player-Control （NPC） role, methodology of Artifieial Neural Nets （ANN） was integrated with Genetie Algorithms, and self-learnlng models of NPC were created to control behaviors of NPC. The experimental results have shown that self-learning system of NPC provides artificial behaviors with more automation and intelligence.