即时策略游戏AI研究综述

新知榜官方账号

2023-10-06 23:36:24

前言

即时策略游戏具有天然的多样性和复杂性,吸引着众多研究团队对其进行研究。本文综述了即时策略游戏AI的研究现状,包括基于规则的方法、基于强化学习的方法和基于模仿学习的方法。

游戏环境

微型即时策略µRTS游戏平台包含多种即时策略游戏。两个玩家在8×8大小的方格地图进行对弈。游戏中有矿石资源、基地、军营、工兵、步兵、装甲兵和炮兵等单位。

AI算法

针对即时策略游戏的复杂性,研究者采用了马尔科夫决策过程、强化学习和模仿学习等算法。其中,多智能体强化学习的研究相比单智能体环境更加复杂。演员­评论家算法是结合了两者的优势。模仿学习的主要方法可分为行为克隆和逆强化学习。

算法实现

本文采用了基于联盟学习的深度强化学习算法,通过自我博弈的方式训练智能体,联盟训练的设计同时借鉴了课程学习,提高学习到的策略效果。同时,设计了感知和决策两个任务的神经网络结构,并进行了实验验证。

实验结果

实验结果表明,本文设计的神经网络结合提出的联盟学习的深度强化学习算法,具备探索和学习较强策略的能力。

总结

即时策略游戏是人工智能领域非常理想的实验环境,对于研究者而言,游戏是十分理想的实验环境。随着人工智能技术进步,着眼研究的问题也愈加复杂。

本页网址:https://www.xinzhibang.net/article_detail-15666.html

寻求报道,请 点击这里 微信扫码咨询

关键词

即时策略游戏 游戏AI 强化学习 深度学习 模仿学习

分享至微信: 微信扫码阅读

相关工具

相关文章