基于行為樹的游戲智能研究.pdf

1、有限狀態(tài)機機制決策死板，不具有靈活性，模糊狀態(tài)機能帶來一定合理的隨機性，但缺乏適應性。行為樹已然成為當前主流的游戲智能技術，然而傳統(tǒng)的行為樹設計很難與機器學習技術融合，并且在設計群體智能時，將戰(zhàn)略戰(zhàn)術以及行為級的智能決策用唯一的一顆行為樹來表示的話，會造成決策的冗余、效率的低下以及魯棒性的降低。本文研究在行為樹中進行在線學習的方法，并探討了行為樹對群體智能的支持，提出了分層行為樹的架構。主要工作包括:
　　提出一種基于行為樹的預處

2、理與在線學習結合的方法。對行為樹進行改造，為其引入Q-Condition節(jié)點以替換原來的條件節(jié)點，再結合Q-learning學習算法在線學習更新此節(jié)點信息，同時根據(jù)學習得來的穩(wěn)定Q值信息來為行為樹帶權值的選擇節(jié)點動態(tài)分配合理的權值，以此給行為樹所控制角色的行為注入合理的隨機性。
　　提出了基于行為樹的層次決策架構。利用行為樹分層決策，戰(zhàn)略層、戰(zhàn)術層與行動層可根據(jù)自身特點分別設計合適的行為樹，不同層次的行為樹之間利用消息或命令實現(xiàn)高