基于人工神经网络游戏程序的研究和设计

广西师范大学学报（自然科学版） ›› 2011, Vol. 29 ›› Issue (2): 119-124.

基于人工神经网络游戏程序的研究和设计

张仁津^1,2, 唐翠芳¹, 刘彬^1,2

1.贵州师范大学数学与计算机科学学院,贵州贵阳550001;
2.贵州师范大学多媒体CAI实验室,贵州贵阳550001

收稿日期:2011-05-10 发布日期:2018-11-19
通讯作者: 张仁津(1963—),男,天津人,贵州师范大学教授。E-mail:rjzhmail@163.com
基金资助:
国家自然科学基金资助项目(61064014);黔省专合字(2009)115项目

Researching and Programming of Computer Games Using Artificial Neural Networks

ZHANG Ren-jin^1,2, TANG Cui-fang¹, LIU Bin^1,2

1.School of Mathematics and Computer Science,Guizhou Normal University,Guiyang Guizhou 550001,China;
2.Institute of Multimedia CAI,Guizhou Normal University,Guiyang Guizhou 550001,China

Received:2011-05-10 Published:2018-11-19

摘要/Abstract

摘要： 计算机游戏是高新技术发展的产物,一个游戏成功与否取决于游戏的核心算法设计。要使游戏在玩家手中百玩不厌、妙趣横生,就要在游戏研发中应用新的理论和算法。智能程序设计在游戏可玩性方面能起到决定性因素,本文在分析游戏软件结构的基础上,讨论运用人工神经技术提高游戏软件质量的方法,尝试设计带预测控制的游戏,并用C++和MATLAB进行了实验。

关键词: 计算机游戏, 人工智能, 机器学习, 训练集, 游戏智能, 神经网络

Abstract: Computer games are the results of the development ofhigh technology.Whether a computer game success or not is attribute to the corealgorithms.The new theories and algorithms should be applied to the research anddevelopment of computer games in order to offer game players move fun and raistheir interests in games.The Artificial Intelligence (AI) programming takes a decisive role on availability of game-play.On the basis of analyzing game software structure,this paper emphasizes on applying ANNs theoryand its study and prediction technology to the improvement of game software.In addition,it also discusses the design of computergames with predictive control,and the application of C++ and MATLAB in someexperiments of games.

Key words: computer games, AI, machine learning, training set, intelligence game, ANNs

中图分类号:

TP18

张仁津, 唐翠芳, 刘彬. 基于人工神经网络游戏程序的研究和设计[J]. 广西师范大学学报（自然科学版）, 2011, 29(2): 119-124.

ZHANG Ren-jin, TANG Cui-fang, LIU Bin. Researching and Programming of Computer Games Using Artificial Neural Networks[J]. Journal of Guangxi Normal University(Natural Science Edition), 2011, 29(2): 119-124.

参考文献

[1] BUCKLAND M.游戏编程中的人工智能技术[M].班晓娟,艾迪明,译.北京:清华大学出版社,2006.
[2] 耿卫东,陈为.计算机游戏程序设计[M].2版.北京:电子工业出版社,2009.
[3] FUNGE J d.Artificial intelligence for computer games:an introduction[M].New York:PETERS A K,Ltd,2004.
[4] 王耀南.智能信息处理技术[M].北京:高等教育出版社,2003.
[5] 约翰·霍兰.涌现Emergence从混沌到有序[M].陈禹,译.上海:上海科学技术出版社,2006.
[6] 鲁娟娟,陈红.BP神经网络的研究进展[J].控制工程,2006,13(5):449-451.
[7] 李会民,张仁津.基于改进BP网络的车牌字符识别方法研究[J].计算机工程与设计,2010,31(3):619-621.
[8] 董戎萍,唐伯良.基于DCT-BP神经网络的人脸表情识别[J].微计算机信息,2005,21(10):142-144.
[9] 胡斓,夏利民.基于BoostingRBF神经网络的人脸年龄估计[J].计算机工程,2006,32(19):199-201.
[10] 刘倩,熊丽荣.基于人工神经网络算法对水稻需水量的预测[J].华中农业大学学报,2007,26(6):885-887.
[11] 张礼兵,金菊良,程吉林,等.基于人工神经网络的模型择优预测方法及应用[J].水力发电学报,2007,26(6):12-16.
[12] 唐朝伟,何国田,徐昌彪,等.神经网络在采煤工作面瓦斯涌出量预测中的应用[J].计算机应用,2007,27(12):202-204.
[13] 高琴.人工神经网络在股市预测模型中的应用[J].微电子与计算机,2007,24(11):147-151.
[14] 李瑞敏,陆化普,史其信.基于神经网络的路口交通流转向比预测[J].西南交通大学学报,2007,42(6):743-747.
[15] HASTIC T,TIBSHIRANI R,FRIEDMAN J.统计学习基础[M].范明,柴玉梅,译.北京:电子工业出版社,2005.

相关文章 15

[1]	马玲, 罗晓曙, 蒋品群. 一种基于PNN的点阵喷码字符识别方法[J]. 广西师范大学学报（自然科学版）, 2020, 38(4): 32-41.
[2]	李雅岱, 韦笃取. 含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(3): 19-24.
[3]	张永生, 朱文焌, 史若琪, 杜振华, 张瑞, 王志. 基于可信度的Android恶意代码多模型协同检测方法[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 19-28.
[4]	严浩, 许洪波, 沈英汉, 程学旗. 开放式中文事件检测研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 64-71.
[5]	刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 115-120.
[6]	罗兰, 周楠, 司杰. 不确定细胞神经网络鲁棒稳定新的时滞划分法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 45-52.
[7]	范瑞,蒋品群,曾上游,夏海英,廖志贤,李鹏. 多尺度并行融合的轻量级卷积神经网络设计[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 50-59.
[8]	许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 1-8.
[9]	张金磊, 罗玉玲, 付强. 基于门控循环单元神经网络的金融时间序列预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 82-89.
[10]	黄丽明, 陈维政, 闫宏飞, 陈翀. 基于循环神经网络和深度学习的股票预测方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 13-22.
[11]	武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 32-41.
[12]	林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 62-70.
[13]	王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 80-88.
[14]	林越, 刘廷章, 王哲河. 具有两类上限条件的虚拟样本生成数量优化[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 142-148.
[15]	薛洋,曾庆科,夏海英,王文涛. 基于卷积神经网络超分辨率重建的遥感图像融合[J]. 广西师范大学学报（自然科学版）, 2018, 36(2): 33-41.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed