无监督神经网络在游戏中的应用研究——解决游戏中的障.pdf

《无监督神经网络在游戏中的应用研究——解决游戏中的障.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、902008，44(16)ComputerEngineeringandApplications计算机工程与应用无监督神经网络在游戏巾的应用研究——解决游戏巾的障碍物绕行问题布伟光，何中市，高静BUWei-guang，HEZhong—shi，GAOJing重庆大学计算机学院，重庆400044DepartmentofComputerScience，ChongqingUniversity，Chongqing400044，ChinaE-mail：buweiguang@gmail．conBUWei-guang，HEZhong-

2、shi。GAOJing．Applicationresearchofunsupervisedneuralnetworksingamedevelopment．ComputerEngineeringandApplications。2008。44(16)：90-93．Abstract：ThispaperhasresolvedobstacleavoidanceproblemingameusingunsupervisedNeuralNetworks．ThisunsupervisedmechanismismadebyGenetic

3、Algorithm，whichhasimprovedtheweightsoftheNeuralNetworksthroughoptimizingthefitness，finally，theNeuralNetworkscangettheoutputswithbestfitness．Sensorsaresimulatedby5linesegmentsthatradiateoutwardfromtheagentbody，theagentcallsensethegameenvironmentbythe5sensors．Aft

4、eriteratingfor768times，averagefitnessandbestfitnessofthepopulationhavebeenimprovedquickly．theratioofavoidingsuccessfullyhasbeenimprovedfrom12．5％to85％．Keywords：obstacleavoidance；NeuralNetworks；GeneticAlgorithm；sensor摘要：使用无监督神经网络解决了游戏中的障碍物绕行问题(obstacleavoidanceo使

5、用遗传算法实现了无监督机制，该方法通过最优化适应度来改进神经网络的权值，使得神经网络得到最佳的输出值；利用以智能体(Agent)中心为出发点的5条射线模拟传感器(SensOr)。通过检测5条射线与障碍物边界的相交情况来感知环境。经过768代的进化，遗传算法种群最优适应度和平均适应度都有了明显提高，同时绕行成功率从12．5％上升到85％。关键词：障碍物绕行；神经网络；遗传算法；传感器DoI：10．3778／j．issn．1002—8331．2008．16．027文章编号：1002—833l(2008)16—0090—0

6、4文献标识码：A中图分类哮：TPl8l前奇障碍物绕行是游戏中人工智能的关键问题之一。好的障碍物绕行系统是建立智能、可信的游戏角色的关键⋯。解决障碍物绕行的传统方法是利用简单的碰撞检测来测试智能体(Agent，即游戏角色)是否与障碍物相撞．如果相撞，则相应地调整智能体的运动轨迹从而达到障碍物绕行的目的㈦。显然使用这种方法十分笨拙，不断地进行碰撞检测浪费了大量的CPU周期；同时最大的问题在于，智能体不具备学习和观察周围环境的能力，而是被动地接受碰撞检测的结果来绕过障碍物。本文在游戏中采用了无监督的神经网络学习方法，该方法

7、使用遗传算法来优化神经网络，使得智能体具备了相当的学习能力和感知周围游戏环境(即游戏地图)的能力。智能体自身的学习能力可以帮助它主动绕过障碍物，使得智能体具有了独立思考的“大脑”；感知环境的能力使得本文的学习方法不依赖于游戏环境(即游戏地图)，从而具有了很好的适应性。2无监督神经网络慨述人工神经网络(ArtificialNeuralNetworks)提供了一种普遍而且实用的方法从样例中学爿值为实数、离散值或向量的函数。神经网络已经在很多实际的M题中取得了惊人的成功，如学习识别手写字符、学习识别口语以及学习识别人脸等。

8、反向传播算法(BackPropagation)是用来学习神经网络权值的最常用的方法，该算法通过目标输出和实际输出的均方误差不断渊整权值，以达到最佳拟合实际函数的目标【3I。由于反向传播算法需要大量的训练数据和相关训练数据的目标输出，即训练过程需要外部干涉，以致该算法属于有监督学习算法，用该算法来学习权值的神经网络是有监督神经嘲络。解决游戏中的障