机器学习技术在游戏中的应用研究――解决鼠标轨迹识别问题.docVIP

机器学习技术在游戏中的应用研究――解决鼠标轨迹识别问题 　　摘要：通过赋予游戏中智能体识别鼠标轨迹的能力，提高了游戏的可操作性，增加了游戏的趣味性。鼠标轨迹识别属于多分类问题，该文提出的解决方案是采用BP神经网络和支持向量机(SVM)求解8种鼠标轨迹的识别问题，并且完成了实验对比，封闭测试中两种方法对鼠标轨迹的正确识别率分别为93.75%和98.75%。 　　关键词：游戏；轨迹平滑；鼠标轨迹识别；BP神经网络；支持向量机 　　中图分类号：TP18文献标识码：A文章编号：1009-3044(2011)13-3100-03 　　Application on the Research of Machine Learning Techniques in Games 　　LIU Tian-bai, ZHANG Shu-bai 　　(The 28 Research Institute of China Electronics Technology Group Corporation, Nanjing 210007, China) 　　Abstract: Through attaching the ability of recognizing mouse track to agent in games, the controlling of games is simplified and the interesting of games is improved. Mouse track recognition is a multi-classification problem, which is resolved by BP neural network and Support Vector Machine (SVM), the number of mouse track patterns is 8, according to contrastive analysis of BP neural network and SVM, the precision is 93.75% and 98.75% respectively. 　　Key words: games; track smoothing; mouse track recognition; BP neural network; support vector machine 　　近年来，游戏的图形质量已发展到近乎极致的地步，人工智能(AI)已经成为决定一款游戏以及游戏开发工作室命运的重要因素。下一代的3D游戏不仅会有优秀的视觉效果，更会像人一样狡猾和聪明[1]。游戏中人工智能下一个大的变革就是机器学习理论[2]，将来的游戏角色应该能够进化、学习以及推理。 　　鼠标轨迹识别可以增加游戏的趣味性，更加方便玩家的操作，使得玩家不需要记忆大量的快捷键来进行各种各样的操作。在国产RPG游戏“刀剑封魔录”中[3]，玩家控制角色的必杀技是通过鼠标轨迹的识别来发出的，对于角色“霜刀女侠”来说，当玩家在屏幕上画出“”轨迹后，“霜刀女侠”首先识别该轨迹，然后会发出必杀技“天女散花”，画出“M”的话发出必杀技“洛神凌波”等。 　　出于商业上的原因，“刀剑封魔录”中的解决方案无从得知，本文提出的解决方案是利用机器学习中的BP神经网络和支持向量机技术来解决游戏中智能体的鼠标轨迹识别问题。由“刀剑封魔录”可知在游戏中加入鼠标轨迹识别会带给游戏更多的趣味性，同时使用机器学习技术可以赋予游戏角色学习和推理的能力，因此本文的解决方案有一定的实际应用价值。 　　1 实验数据的获取方法 　　由于游戏中该问题的特殊性，没有开放式的数据集可以使用，因此实验数据采用自主获取的方式获得。 　　1.1 鼠标轨迹的组成 　　每个鼠标轨迹由12个相互连接的单位向量组成，图1所示是一个“W”字形鼠标轨迹。 　　其中12个单位向量首尾相连（首向量和尾向量除外），则一条鼠标轨迹一共有13个点组成，这12个单位向量作为神经网络和SVM的输入。 　　1.2 鼠标轨迹数据的获取 　　以图1所示的“W”形鼠标轨迹为例，鼠标轨迹数据获取的方法如下： 　　1）按下鼠标左键不放并且不移动鼠标，记下鼠标此时在屏幕中的坐标，记为 (xhead,yhead) ； 　　2）移动鼠标划出“W”的形状，在移动鼠标的过程中会产生很多中间点，记录下鼠标在这些中间点的屏幕坐标，记为(xi,yi)，其中0in，n是这些中间点的个数； 　　3）划完“W”轨迹之后释放鼠标，并记下释放鼠标时的终点屏幕坐标，记为(xtail,ytail)； 　　4）对划出的轨迹进行平滑，使得该轨迹的点数限制为13个（即12个向量），平滑方法如下： 　　如果