基于强化学习的非玩家角色行为改进

• 作者: 曾庆维 李炎武 林涛 罗程 陈渝
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 游戏智能 强化学习 非玩家角色
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 计算机科学
• 页码范围: 915-920
• 页数: 6页
• 分类号: TP399
• 字数: 4753字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2014.05.010

摘要

当前游戏中非玩家角色(Non-player Character,NPC)的行为主要基于随机决策或者传统的预定义行为决策,该方法的NPC不具有对游戏环境的自主学习能力.本文研究的目的是探索将强化学习方法应用于提高游戏NPC智能,使NPC在游戏过程中能实时地学习和适应演进的游戏环境,产生最合适的行为策略来响应玩家.本文提出一种动态训练强化学习的探索率参数方法,并将该方法应用于经典的Bomber Man游戏中.实验结果表明,该方法训练的NPC比非强化学习和传统强化学习训练的NPC具有更高的智能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林涛	四川大学计算机学院	101	538	14.0	18.0
2	李炎武	四川大学计算机学院	3	4	1.0	2.0
3	曾庆维	四川大学计算机学院	2	8	2.0	2.0
4	罗程	四川大学计算机学院	1	3	1.0	1.0