无监督神经网络在游戏中的应用研究——解决游戏中的障碍物绕行问题

使用无监督神经网络解决了游戏中的障碍物绕行问题(obstacle avoidance)。使用遗传算法实现了无监督机制,该方法通过最优化适应度来改进神经网络的权值,使得神经网络得到最佳的输出值;利用以智能体(Agent)中心为出发点的5条射线模拟传感器(Sensor),通过检测5条射线与障碍物边界的相交情况来感知环境。经过768代的进化,遗传算法种群最优适应度和平均适应度都有了明显提高,同时绕行成功率从12.5%上升到85%。

遗传算法和牛顿力学在游戏开发中的应用研究

游戏中的人工智能技术已经成为了一款游戏成功与否的关键所在。为了提高视频游戏的人工智能,使用遗传算法解决了视频游戏中的路径搜寻(Pathfinding)问题,同时将遗传算法和牛顿力学相结合,模拟了飞行物体的着陆(Landing)。实验表明,遗传算法使游戏中角色的行为更加自然,具备了较高的智能,而牛顿力学的使用使游戏中飞行物体的运动符合了物理规律,从而看起来更加真实。

多关系数据挖掘中的多关系决策树研究综述

随着关系数据库的发展,多关系数据挖掘正在成为数据挖掘的重要分支之一。多关系决策树是其中的一种重要方法。目前多关系决策树已有多种研究方法。针对不同的背景和框架,对其中主要的算法进行分析和比较,指出未来的发展趋势。