结合行为树与Q-learning优化UT2004中agent行为决策

• 作者: 刘晓伟 高春鸣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行为决策 游戏人工智能(AI) Q学习 强化学习 行为树
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 113-118
• 页数: 6页
• 分类号: TP393
• 字数: 5101字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1402-0024

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高春鸣	湖南大学数字媒体研究所	18	85	5.0	7.0
2	刘晓伟	湖南大学信息科学与工程学院	1	11	1.0	1.0