基于bp神经网络的运动类游戏决策系统的研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 签 名： 日 期： 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子学位论 文）为答辩后经修改的最终定稿学位论文，并授权武汉理工大学可以 将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、 缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大 学认可的国家有关机构或论文数据库使用或收录本学位论文，并向社 会公众提供信息服务。 （保密的论文在解密后应遵守此规定） 研究生（签名）： 导师（签名）： 日 期： 武汉理 武汉理工大学硕士学位论文 摘 要 游戏 AI 主要研究如何让游戏中的生物像人类一样具有智能行为、思维活动 或情感等特性。可持续学习的游戏 AI 是现在的研究热点之一。本文主要做了以 下几个方面的工作： 1）提出了一种基于 BP 神经网络的运动类游戏决策系统设计方法。根据运 动类游戏的特点，利用 BP 神经网络赋予决策系统进化学习的能力。同时，利用 聚类分析对游戏数据进行处理，获得 BP 神经网络的训练样本，达到让游戏决策 系统持续学习的目的。 2）针对运动类游戏的特点确定 BP 神经网络的结构。根据运动类游戏的特 点，确定了神经网络中初始权值、隐含层及激励函数的选取。设计了一个 3V3 篮球游戏原型作为测试平台与数据源。从游戏中获取玩家数据组成样本，设计 实 验 比 较 了 多 种 训 练 算 法 的 训 练 速 度 与 内 存 消 耗 ， 并 确 定 本 文 使 用 Fletcher-Reeves 共轭梯度法。 3）提出两次聚类的样本处理方法。利用聚类分析对统计数据进行处理，分 离运动类游戏中战术倾向不同的矛盾数据，得到战术倾向不同的统计数据集。 然后获取统计数据集下的实时数据进行聚类，优化样本分布。最后设计实验， 分别使用经过两次聚类处理后的样本和原始数据作为神经网络训练样本，从收 敛速度和预测精度进行对比，验证了两次聚类方法的有效性。 4）实现了 3V3 篮球游戏的决策系统原型。为了验证本文提出方法的有效性， 以 3V3 篮球游戏为例，将基于 BP 神经网络的运动类游戏决策系统应用到 3V3 篮球游戏中，实现了基于 BP 神经网络的实时决策模块与基于聚类分析的样本处 理模块。使用原始样本、单次聚类样本和二次聚类样本训练神经网络，对训练 结果从游戏 AI 的智能性与辨识度进行比较。结论是该系统能对不同战术倾向的 玩家数据进行区分与学习，提高了运动类游戏决策系统的智能性与辨识度。 关键词：游戏决策系统，运动类游戏，BP 神经网络，聚类分析 I Abstract Game AI mainly researches on how to apply the creatures in game with intelligent behavior, conceptual work and other characters as human. Sustainable learning game AI is one of present research hotpots. In this thesis, the main contents of this research are as follows: A design method of sports game decision-making system based on BP neural network has been proposed. According to the characteristics of the sports game, the ability of evolution learning is provided in the decision-making system by using BP neural network. At the same time, the training data of BP neural network has been gotten by processing the game data using clustering analysis, then achieve the target