期刊专题

10.3778/j.issn.1002-8331.1402-0024

结合行为树与Q-learning优化UT2004中agent行为决策

引用
针对FPS游戏UT2004中的NPC(Non-Player-Character,即非玩家角色)的行为决策不够灵活多变,不够智能等问题,结合行为树与Q-learning强化学习算法,提出了一种预处理与在线学习结合的方式优化NPC行为决策的方法.通过在行为树上的强化学习,NPC行为决策更为灵活、智能,即human-like.实验结果表明了该方法的有效性与可行性.

行为决策、游戏人工智能(AI)、Q学习、强化学习、行为树

52

TP393(计算技术、计算机技术)

国家科技支撑计划项目2014BAK08B01;湖南省战略性新兴产业科技攻关项目2013GK4056;湖南省科技计划项目2013WK3023

2016-03-25(万方平台首次上网日期,不代表论文的发表时间)

共6页

113-118

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

52

2016,52(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn