1、 割隆住本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。日期：翵日作者签名：学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。朐谝陨舷嘤娇
2、蚰诖颉啊日期：仂淠月日智能的三层决策架构。关键词：游戏人工智能；行为树；机器学习；策略智能；团队智能 ， ；目第孪喙刂J督樯堋秆表信息依据几点规范实验本章小结利用行为树平行节点实现团队协作对战得分结果对比图对战失分结果对比图层次化的指挥系统动态添加节点三层决策架构一 当前整体战略图虚拟驾驶动态体验平台默认的区域兵力分布图硕士学位论文组队成功后形成一定队形近年来随着计算机硬件技术不断革新以及软件技术的发展，游戏图形渲染技基】二行为树的游戏智能研究通过沉浸式体验技术给人们呈现虚拟的世界，在这些沉浸的世界里面，可体验到环绕的声效、立体视觉以及力的反馈等等。随着人们需求的提高与技术的发展，沉浸式体验技
3、术与传统电脑游戏结合将是一大趋势。可以说，“智能沉浸式游戏”必将成为“三维图形游戏” 的下一个战略制高点，谁先占领此高地，谁就会在下一代商业游戏的竞争中掌握主动】。系统等感官去发现。年珽菊椒剂巳碌男榛靡，以订阅付费的有学习能力，表现更为智能化，人性化是当前游戏人工智能的一大热点。热死萌斯窬缋囱盗種对手，得到了较好的与人类玩家游戏水平相匹配的效果，具有一定代表性。但训练神经网络往往需要一定经验数据，并且结果会严重依赖于经验数据。用当前人类玩家游戏水平信息作为经验数据，而模式进行了优化，但不支持在线学习，并不能随环境及时更新。提出了利用多个队列解决行瓹提出了基于异步事本文工作的互动体验平台搭建，并
4、在此基础上完成了基本的分层策略的设汁与实现。系统的结构、任务分配方法、通信方法以及编队控制等等。游戏人工智能大致发展历程敌人弱有限状态机流行了十多年，其优点与缺点都是明显的，主要优点有：难以并发大规模支持较差图机器学习是一门多领域交叉学科，涉及心理学，生物学凸分析、逼近论、算法复杂度理论以及统计学、概率学等多门学科，专门研究计算机怎样模拟人类的学习行为，以获取新的知识或新的技能，重新组织已有的知识结构使之不断改善自身的性能【】。将机器学习技术用于游戏是比较新兴的一种做法，并取得了不错的成绩。究的核心内容之一。】完全集中式传统地，人们在游戏中使用集中控制的解决方案。这种方案里，一个并不一图多智能
5、体集中典型系统架构个体间地位半等，自土选择能够完成团体给定任务的行为。其体系结构具有高度的自治性和容错性，对智能个体的能力要求较高，需要复杂的控制协调算法，故能力。策与规划。喔鯝之间的若干协作通信方式击距离。攻击口可以有效地分散调整乐顾蠳聚在一起，出现混乱的独占区域正如图所示，的独占区域保证了不会去的攻击线上凑热触发器系统直接发送消息图行为树数据输入的两种方式图并需要注意切换时机。编队中参考点的选取图几种典型的队形邻居参考 中心参考 领航参考以朝向非常重要。一个战略队形往往需要多个朝向以显出队形的攻防兼备。比如未发现敌人时，上图横排队形中的前面几个一般会朝前，而后面几个朝后会比较好一点；当发现
6、敌人在前方，横排队形中的两队需要错丌并都朝向敌人，以使总体射出的火力更大同时防止了对自己人开火。不过有时受到游戏对象物理模型限制，不可能以任意朝向向前运动。 控制方法方法等三种。任务的描述和分配得到了简化，轨迹跟踪精度较高，但要求队形按照一个虚拟结构运动，缺乏适应性和灵活性。行为树基础窠诘图行为树三大组合节点薪诘一般用来添加额外的附加条件。比如，时间间隔、次数、频率等。检查条件是否满足，满足则返回真，否则，返回假。形=诘马尔可夫决策过程通常假定环境是马尔可夫型的，将学习过程看作是一个马尔可夫决策过程 琈是一种至餍械木霾吣汀下，鹤刺瑂中的有限动作集合；子弹飞过来，行为树自动扩展躲避功能图行为树动态扩展图强化学习系统结构彩且恢制兰酆琖把状态一动作对的值称之为怠函数
