游戏人工智能期末复习资料.doc

游戏人工智能期末复习资料 有限状态机 有限状态机（finite state machine）是一种抽象机制，是表示有限个状态以及在这些状态之间的转移和动作等行为的数学模型，即处在不同的预定状态下的其中某种状态，而且有限状态机可以定义一组条件，用于状态之间的改变。 如果是状态机，肯定体现了两点：首先是离散的，然后是有限的。 有限状态机是由状态（State）、变换（Transition）和行动（Action）组成的行为模型。有限状态机在初始状态（Start State）接收输入事件（Input Event）后转移到下一个状态。通过条件（Guard）判断是否符合转移条件。可以把一个有限状态机看成一个特殊的有向图。常用的正则表达式就是用有限状态机实现的。 State：状态存储关于过去的信息，反映从系统开始到现在时刻的输入变化。 Actions Transitions： 转换指示状态变更，并且用必须满足确使转移发生的条件来描述。动作是在给定时刻要进行的活动的描述。有多种类型的动作: 　　1).进入动作：在进入状态时进行 　　2).退出动作：在退出状态时进行 　　3).输入动作：依赖于当前状态和输入条件进行 　　4).转换动作：在进行特定转换时进行 有限状态机的基本概念。 Guards: 检测器出现的原因是为了检测是否满足从一个状态切换到另外一个状态的条件。 Event： 对系统重要的某件事情被称为事件。 事件是有生命的，它经历: 　　1).被产生(被接受，等待被处理，一般放入事件队列) 　　2).被分发(从事件队列取出，分发到响应的状态机处理) 　　3).死亡(当状态机处理了该事件，它随之死亡) 从一个状态切换到另外一个状态被称为状态转换，而引起它的事件称为触发事件.(可以看到，不是所有的事件都会引起状态的转换). 提到状态转换，不能不提及检测器(Guards)，只有当检测器的值为TRUE时候，才能启动转换 。 模糊逻辑。 模糊逻辑的含义是让计算机以一种接近人类行为的方式解决问题。模糊逻辑的本质是一切都和程度有关。模糊逻辑避开了传统布尔逻辑的非真即假的特性，采用“程度”来衡量。 模糊流程步骤： 模糊化、通过模糊规则产生模糊输出、反模糊化。 模糊化：把明确数据（crisp data）转化为模糊数据，即在预定的模糊集合中寻找明确数据的归属程度（degree of membership）。 归属函数： 归属函数的作用是把输入的变量对应到模糊集合中某个介于0和1之间的值，求出归属程度。 所需的归属度函数的形式常由精确度、考虑问题的性质、经验、是否容易实现以及其他因素决定。 1. 2. 3. 藩篱函数： 藩篱函数的作用是对归属度函数返回的归属度进行修改，并其提供其他语汇素材，可以在它逻辑运算中结合使用。它可以有效地改变归属度函数的形状。 常用的藩篱函数:VERY(), NOT_VERY() 其中Truth(A)指A在模糊集合中的归属程度。 模糊规则： 将输入变量模糊化后，要构建一组规则，以某种逻辑方式结合模糊数据构成前件（前提，antecedent），生成某些模糊结论（后件，consequent），即某些预定模糊集合中的归属度。 模糊公理： 交集（Conjunction） Truth( A or B ) = MAX(Truth(A), Truth(B)) 联集（Disjunction） Truth( A and B ) = MIN(Truth(A), Truth(B)) 补集（Negation） Truth( NOT A ) = 1 - Truth(A) 以上定义可以根据具体应用的情况更改。例如将AND定义为两个归属度的积等。 反模糊化： 反模糊化将模糊结论转化为精确数值输出。 常用的方法：寻找输出模糊集合所占面积的几何中心，并以该中心的水平坐标值作为精确输出值，即输出所有归属程度的加权平均值。 实现的手段： 用数值积分算出曲线围成的面积，或想象成多边形，然后用几何方法找出中心 单值输出归属度函数(singleton output membership function),即用事先已经反模糊化好的输出函数，计算所有输出值聚合起来的结果。 假设μ是某输出集合为真的程度，而x为与此输出集合相关的精确单值，则最后聚合而反模糊化的输出结果是： 第11章 规则式AI 把一组产生式放在一起, 让它们互相配合, 协同作用, 一个产生式生成的结论可以供另一个产生式作为前提使用, 以这种方式求得问题的解决, 这就叫规则（产生式）系统(Production System) 。产生式系统也可以算作是一种演绎系统。 规则系统最简单的形式由一连串的if-then规则组成，用来做推论或行动决策。 实际上有限状态机和模糊状态机