GRU改进算法对实时策略游戏中指令类型的预测

从人工智能技术的角度来看,实时性策略(RTS,Real-Time Strategy)游戏是最复杂和最具挑战性的领域之一。一些实时策略游戏不仅具有状态动作空间巨大、环境部分可观测和即时性的特点,而且具有稀疏决策的特征。为了解决在实时策略游戏中决策比较稀疏的条件下进行指令类型的选择问题,引入了一种使用带权重的交叉熵损失函数的GRU神经网络模型。为验证所提方法的有效性,实验在游戏仿真平台上对GRU神经网络模型进行了综合评估。实验结果表明,对实时策略游戏中决策稀疏条件下的指令类型选择,改进的GRU网络模型是有效且稳定的。