一种改进型Q学习算法及其在行为树中的应用

• 作者: 刘洪星 涂浩
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 游戏人工智能 行为决策 Q学习 行为树
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法
• 页码范围: 235-239
• 页数: 5页
• 分类号: TP3
• 字数: 4441字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.12.045

摘要

游戏中的非玩家角色(NPC)通过学习获得智能,因此学习算法的设计是一个关键问题.提出一种改进型Q学习算法(SA-QL),它以模拟退火算法为基础,在状态空间、探索策略、报酬函数等方面改进了Q学习算法的不足.将该算法运用到行为树的设计中,使NPC能在游戏过程中实时学习,调整行为树中逻辑行为的最佳执行点,从而产生合适的行为响应.实验结果表明,SA-QL算法比传统Q学习算法效率更高,控制NPC的效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洪星	武汉理工大学计算机科学与技术学院	39	421	10.0	19.0
2	涂浩	武汉理工大学计算机科学与技术学院	4	42	4.0	4.0