人工智能：基于遗传算法的虚拟足球游戏设计

《人工智能：基于遗传算法的虚拟足球游戏设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第34卷第2期2017年2月计算机应用与软件ComputerApplicationsandSoftwareV01-34No．2Feb．20王7基于遗传算法的虚拟足球游戏设计周丽芳(重庆邮电大学文佳黎重庆400065)摘要随着计算机软硬件以及网络技术的发展，人们开始把目光转向有人工智能的高质量竞技游戏，这种游戏能给人们带来更多的乐趣和耐玩性。为加强游戏的对抗性能，遗传算法、神经网络等越来越多的智能化算法将会被应用到游戏中。采用遗传算法来强化虚拟足球游戏的人工智能特性，一方面提出了基于遗传算法的角色分配方案，使技能释放更合理，效果更佳；另一

2、方面参考了机器人足球比赛中的路径规划策略，利用遗传算法实现了该虚拟足球游戏中的动态避障和最短路径两个部分。关键词人工智能遗传算法技能释放路径规划中图分类号TP311．52文献标识码ADOI：10．3969／j．issn．1000—386x．2017．02．037THEVIRTUALSoCCERGAMEBASEDoNARTIFICIALINTELLIGENCEZhou“fangWenJiali(孤D聊i昭跏妇e瑚如Q厂Pos拈。蒯n2ecom眦nico￡iD璐，‰，蜘i愕4DDD65，吼iM)AbstractWiththedevelopmento

3、fhardware，sof咐areandnetworktechnologies，peoplebegintofocusontheh培hqualityofani矗cialintelligencegames，whichbringspeoplemorejoyandresistancetoplay．Inordertostren昏henthefightmachinepedb瑚ance，geneticalgorithm，neuralnemork，andmoremodemoptimizationalgorithmswillbe印pliedtothegame．T

4、hegeneticalgorithmispmposedtoenhancetheani矗cialintelligenceofgames．Ontheonehand，roleassignmentsschemebasedongeneticalgorithmsispresentedtomakethereleasingskillsmorereasonableandbetter；ontheotherhand，I．efeIIencingtheavoidaneestrategyinrobotsoccer，thegeneticalgorithmisutilized

5、{．ordynamicpathplanningofgame．KeywordsGeneticalgorit}lmArtificialintelI远enceSkillreleasePathplanning0引言近年来，随着游戏产业的发展，人工智能的引入使得游戏更具吸引力和魅力。本文中虚拟足球游戏的设计开发主要是依据现实足球比赛的场景进行的模拟，通过遗传算法来加强游戏的人工智能特性。足球游戏主要包括三个目标：①通过角色分配和技能释放完成某项动作；②动态避障；③实现路径最短。由于场上情况复杂多变，使得开发者制定游戏规则时需要对游戏全面地了解，要考虑到多

6、个方面的情况，这对于开发者来说是一个难题。因此，能实现全局优化的遗传算法可以助我们一臂之力。本文主要采用遗传算法来加强游戏的人工智能⋯，完成角色的分配和动态路径规划。1遗传算法1．1遗传算法简介遗传算法GA(GeneticAlgorithm)旧1是20世纪60年代末到70年代初期提出的一个算法理论，是根据生物在自然界中复杂适应过程(适者生存，优胜劣汰)构造的模型。经过几十年的研究发展，遗传算法已形成了一个完整的理论方法，被广泛应用于众多领域日1，成为了人工智能研究的一个重要方向。收稿日期：2015一lO一06。重庆市基础与前沿一般项目(cstc

7、2015jcyjA40011)；重庆市研究生科研创新项目。周丽芳，副教授，主研领域：模式识别与图像处理。文佳黎，硕士生。万方数据210计算机应用与软件2017年1．2遗传算法原理遗传算法是一个全局优化的自适应概率搜索算法。它将达尔文进化论的原理引入编码串集合中，通过对自然界中的繁殖、交叉和变异现象的模拟，在编码串群体问进行有规律的但又有一定随机性的信息交换。随着信息交换的进行，根据“优胜劣汰”的原则，适应性高的个体被保留下来并重新组合，进而产生新的个体，直至产生最优解。研究遗传算法的主要目的之一，就是将自然系统的机理运用到人工系统的设计中。1．

8、3遗传算法的特点和步骤遗传算法不依赖于问题的种类，是一个通用的框架。它作为一种自适应算法，具有较高的鲁棒性和内在的并行性，以及良好的收敛性。遗传算法的