近年來(lái),隨著人工智能技術(shù)的發(fā)展,人工智能技術(shù)已經(jīng)在許多游戲領(lǐng)域取得了超越最頂級(jí)人類(lèi)玩家水平的成績(jī)。但是,其在星際爭(zhēng)霸類(lèi)即時(shí)戰(zhàn)略類(lèi)游戲中并沒(méi)有取得令人滿意的成績(jī)。因?yàn)?星際爭(zhēng)霸類(lèi)游戲是由不完全信息博弈、巨大動(dòng)作空間、實(shí)時(shí)性需求、長(zhǎng)期規(guī)劃和多智能體協(xié)作等多個(gè)問(wèn)題構(gòu)成的復(fù)雜性系統(tǒng)問(wèn)題。目前,許多表現(xiàn)優(yōu)異的星際爭(zhēng)霸II智能體大都依賴(lài)于硬編碼策略,幾乎不能因?qū)κ炙扇〉牟呗缘牟煌龀鲞m當(dāng)?shù)恼{(diào)整。本課題使用深度學(xué)習(xí)算法從頂級(jí)玩家的比賽游戲回放中學(xué)習(xí)玩家的生產(chǎn)策略,并將學(xué)習(xí)到的生產(chǎn)策略應(yīng)用到現(xiàn)有的復(fù)雜智能體中,從而提高其競(jìng)爭(zhēng)性。本文首先通過(guò)預(yù)處理、解析、提取游戲特征等流程從SC2LE（StarCraft II Learning Environment）提供的120多萬(wàn)場(chǎng)游戲回放中構(gòu)造數(shù)據(jù)集。然后使用LSTM網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)人族對(duì)抗人族、蟲(chóng)族和神族的下一步生產(chǎn)動(dòng)作的網(wǎng)絡(luò)模型,分別取得了80.19%、80.05%和79.58%的準(zhǔn)確率。接著再將訓(xùn)練的預(yù)測(cè)人族對(duì)抗各種族下一步生產(chǎn)動(dòng)作的網(wǎng)絡(luò)模型集成到星際爭(zhēng)霸II開(kāi)源智能體——CommandCenter中,改進(jìn)其原有的Production Manager模塊和... 

【文章來(lái)源】：西南交通大學(xué)四川省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究工作
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 基于SC2LE構(gòu)建游戲特征數(shù)據(jù)集
    2.1 SC2LE簡(jiǎn)介及搭建
        2.1.1 星際爭(zhēng)霸II客戶端和SC2API
        2.1.2 PySC2
        2.1.3 游戲回放數(shù)據(jù)集
        2.1.4 搭建SC2LE平臺(tái)
    2.2 構(gòu)建游戲特征數(shù)據(jù)集
        2.2.1 實(shí)驗(yàn)環(huán)境
        2.2.2 預(yù)處理
        2.2.3 解析游戲回放
        2.2.4 特征提取
        2.2.5 歸一化
        2.2.6 劃分
    2.3 本章小結(jié)
第3章 游戲智能體下一步生產(chǎn)動(dòng)作的預(yù)測(cè)
    3.1 基于多層感知機(jī)的下一步生產(chǎn)動(dòng)作的預(yù)測(cè)
        3.1.1 網(wǎng)絡(luò)架構(gòu)
        3.1.2 網(wǎng)絡(luò)實(shí)現(xiàn)細(xì)節(jié)
        3.1.3 實(shí)驗(yàn)及分析
    3.2 基于LSTM網(wǎng)絡(luò)的下一步生產(chǎn)動(dòng)作的預(yù)測(cè)
        3.2.1 LSTM網(wǎng)絡(luò)架構(gòu)
        3.2.2 LSTM網(wǎng)絡(luò)實(shí)現(xiàn)
        3.2.3 實(shí)驗(yàn)及分析
    3.3 本章小結(jié)
第4章 智能體構(gòu)造
    4.1 Command Center簡(jiǎn)介
    4.2 搭建Command Center開(kāi)發(fā)環(huán)境
    4.3 模型集成到Command Center中
        4.3.1 編譯Tensor Flow
        4.3.2 模型固化
        4.3.3 改進(jìn)Production Manager并實(shí)現(xiàn)Build Order Prediction
    4.4 實(shí)驗(yàn)及分析
        4.4.1 本地測(cè)試
        4.4.2 Star Craft 2 AI Ladder測(cè)試
    4.5 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計(jì)算機(jī)視覺(jué)領(lǐng)域中的應(yīng)用綜述[J]. 陳超,齊峰.  計(jì)算機(jī)科學(xué). 2019(03)
[2]人工智能與“星際爭(zhēng)霸”:多智能體博弈研究新進(jìn)展[J]. 張宏達(dá),李德才,何玉慶.  無(wú)人系統(tǒng)技術(shù). 2019(01)
[3]深度強(qiáng)化學(xué)習(xí)進(jìn)展:從AlphaGo到AlphaGo Zero[J]. 唐振韜,邵坤,趙冬斌,朱圓恒.  控制理論與應(yīng)用. 2017(12)
[4]深度學(xué)習(xí)在語(yǔ)音識(shí)別中的研究進(jìn)展綜述[J]. 侯一民,周慧瓊,王政一.  計(jì)算機(jī)應(yīng)用研究. 2017(08)



本文編號(hào)：3638408