10.3969/j.issn.1000-386x.2017.12.045
一种改进型Q学习算法及其在行为树中的应用
游戏中的非玩家角色(NPC)通过学习获得智能,因此学习算法的设计是一个关键问题.提出一种改进型Q学习算法(SA-QL),它以模拟退火算法为基础,在状态空间、探索策略、报酬函数等方面改进了Q学习算法的不足.将该算法运用到行为树的设计中,使NPC能在游戏过程中实时学习,调整行为树中逻辑行为的最佳执行点,从而产生合适的行为响应.实验结果表明,SA-QL算法比传统Q学习算法效率更高,控制NPC的效果更好.
游戏人工智能、行为决策、Q学习、行为树
34
TP3(计算技术、计算机技术)
国家自然科学基金项目61472294;中央高校基本科研业务费基金项目15521004
2018-04-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
235-239
