基于DFSM游戏人物行为建模新探索.docVIP

基于DFSM游戏人物行为建模新探索 　　摘 要： 基于D-FSM游戏人物建模技术是一种较为流行的游戏人物行为建模方法，主要对基于D-FSM游戏人物行为建模方法进行介绍和分析，并在此基础上，指出此方法存在的不足之处是提炼出的规则数较多且质量参差不齐，提出在此系统中增加一个评级系统用来筛选规则，通过“坦克大战”游戏的实验结果表明带评级系统的D-FSM人物行为建模更能增加游戏的趣味性和智能性。 　　关键词： 动态有限机；决策树；游戏智能 　　中图分类号：U691 文献标识码：A 文章编号：1671－7597（2011）1220017－02 　　0 引言 　　单机游戏设计中，有限状态机（Finite State Machine）是广泛运用于游戏NPC的行为建模方法之一。在FSM的基础上，Tae Bok Yoon等人提出动态有限机（Dynamic Finite State Machine）的建模方法，此方法改变了以前FSM方法中NPC行为固化的缺陷，而采用D-FSM建模的NPC可以根据玩家在游戏中的反应学习并创造出新的NPC行为，从而增强游戏的耐玩性和可玩性。 　　但Tae Bok Yoon自己也指出，现有的D-FSM系统中学习玩家操作产生的行为规则太多，需要进一步优化。我们则基于此问题，提出建立一个评级系统来筛选生成的规则，优化建模。 　　1 D-FSM行为建模极其缺陷分析 　　有限状态机，即含有有限数量状态的逻辑模型，是广泛运用于游戏NPC行为定义的一种技术。NPC的行为则根据有限状态机中设定的转换条件，不断的转换状态。 　　游戏“坦克大战”的游戏有限状态机如图1所示，其中“搜寻”状态表示未发现敌人，搜寻敌人中；“追击”状态表示发现敌人，靠近敌人中；“攻击”状态表示向敌人发射子弹；“拾取”状态表示捡取系统提供的功能品；“逃跑”状态表示远离敌人中。 　　游戏运行中，NPC状态的转换则是根据设定的转换条件进行转换。当NPC处于状态Sfrom，且其现在的各项属性符合从Sfrom转换到Sto的设定规则，则NPC转换状态。在“坦克大战”游戏中，构成转换条件的部分属性定义及其取值描述见表1。例如游戏中一条转换规则：当NPC处于“搜寻”状态中，发现玩家在视线中且NPC生命值大于或等于玩家生命值，则进入到“追击”状态。如图2所示。 　　在游戏进行的同时，系统会搜集玩家的操作数据，通过ID3算法生成相应的决策树，游戏程序以获得的决策树为基础生成新的有限状态机转换规则取代原有的规则，从而实现动态更新有限状态机。整个D-FSM运作过程如图3。 　　但是在实际研究中发现，现有的D-FSM系统提取的玩家行为模型过多，质量参差不齐，导致NPC更新后的行为难以预判，不能有效地提高游戏趣味性和智能性，于是我们提出在现有D-FSM系统上增加一个评级系统来筛选新规则，从而提高D-FSM系统的有效性。 　　2 评级系统介绍 　　2.1 评级层级介绍 　　评级系统的是对玩家的表现进行打分，从而对由此玩家操作生成的新的FSM规则评级。玩家表现所得分数最高分100，最低分1，一共5个级别。如表2所示。 　　 　　2.2 评分公式 　　在“坦克大战”游戏中，统计玩家游戏有效时间（T），击毙敌人数目（N），敌人行为层级（L），计算玩家分数（S）公式如（1）所示： 　　S＝（N* L）/（T*100） （1） 　　2.3 带评级的FSM管理和使用 　　游戏自带的有限状态机评级为L3。游戏中根据不同玩家的不同表现计算出分数，并根据表2评级，并储存根据玩家的游戏操作提取出的有限状态机。当一个评级中有5个不同的有限状态机时，不再对此评级储存新的有限状态机。 　　当玩家进如游戏前，选择游戏难度：困难、一般、简单。玩家游戏一段时间后，评出玩家的评级Lp，NPC的FSM则根据玩家选择的难度选取不同级别的FSM，转换表见表3。 　　 　　3 实验结果与分析 　　我们采用游戏“坦克大战”作为实验的游戏载体，并邀请10位游戏玩家参与实验。每位玩家会玩两次游戏，第一次玩的游戏采用原始的D-FSM行为建模方法，第二次玩的游戏采用带评级系统的D-FSM行为建模方法。玩后分别问询了三个问题：对游戏的乐趣程度（非常满意10，非常不满意1），游戏的难度（非常困难10，非常简单1），NPC智能程度（非常智能10，非常不知能1）。统计结果如表4。 　　4 结论 　　本文首先对D-FSM行为建模的方法进行了分析，指出其提取出的玩家行为模型过多且质量难以控制的不足。在此基础上，提出了添加一个评级系统用来筛选玩家的行为模型。并且实验结果标明，带评级系统的D-FSM行为建模能增强游戏的可玩性和智能性。如何提高筛选的有效性和准确性将是需要进一步研究的内容。 　　参考文