免费论文：智能Agent技术在游戏AI开发中的应用

游戏AI是一种弱势AI，主要应用现有的AI理论的研究成果来开发。Agent技术是当今十分活跃的前沿研究方向，Agent的概念出现于20世纪70年代的人工智能中，80年代后期才成长期来。由于分布并行处理技术、面向对象技术、多媒体技术、计算机网络技术，特别是Internet和WWW技术的发展，Agent不仅成为AI和计算机领域最活跃的研究内容之一，而且引起了科学界、教育界、工业界甚至娱乐界（其中包括游戏界）的广泛关注。目前游戏AI中对于AI之间的交互和协作处理问题的能力不够令人满意，NPC之间的交互、协作很少，也很简单，大多都是设计者事先设定好的脚本，无法做到具有一定应变和能动性的交互；学习能力也是目前游戏AI的一个软肋，在某些情况下游戏中AI的学习性也无法达到玩家的要求。文章根据Agent和多Agent理论，以及游戏AI开发的特点，将Agent技术应用到游戏AI的开发中，提出一个基于任务的游戏群体AI模型（以下简称MGMAI），这个模型包括一种游戏中的任务分解分配算法、基于黑板的多Agent合作模型和基于任务分解分配算法的Agent学习模型。MGMAI中的任务分解分配算法是根据STRIPS规划系统中的向后搜索规划算法改进而成的。MGMAI中的任务分解分配算法通过使用谓词演算表示世界和状态来进行动作序列的制定。它使用一组事先定义好的操作规则，根据一个求解的最终目标来进行反向推理，最终找到一组必要的操作序列。MGMAI中的任务分解分配算法可以在游戏运行时期，把事先定制好的任务分解为尽可能能并行执行的子任务，然后将分解后的子任务分配给游戏中的一组Agent去执行，从而产生游戏中多AI的合作表现；基于黑板的多Agent合作模型主要提供了一个平台，作为任务分解分配工作的执行环境和任务执行时期Agent之间交互的平台；基于任务分解分配算法的Agent学习模型主要将学习看作任务，通过使用MGMAI的任务分解分配算法来实现学习。该模型可以在一定程度上提高游戏AI中对于AI之间的交互协作和学习的效果。最后，将MGMAI以程序的形式实现为一个AI开发的中间件，游戏AI开发者可以使用这个中间件把MGMAI中的算法和模型应用到实际的游戏AI开发中。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/269781.html