您的位置: turnitin查重官网> 工程 >> 电气工程 >> 电气工程及自动化 >谈述人工智能遗传算法在贸易类游戏中物流配送运用

谈述人工智能遗传算法在贸易类游戏中物流配送运用

收藏本文 2024-02-06 点赞:7474 浏览:23235 作者:网友投稿原创标记本站原创

摘要:随着科学技术的不断进步,我们进入了多学科相互交叉、渗透的科学时代,其中一个典型的例子就是生命科学与工程科学的交叉、渗透和相互推动,也是近代科学技术进展的一个显著特点。现如今,游戏产业进入了蓬勃进展的时期,游戏人工智能已经成为每个游戏中不可或缺的一份元素,如果说精致的2D美工、华丽的3D效果是游戏的外表的话,那么一个优秀的AI设计则可以看作是游戏的灵魂,在几乎所有游戏都有着令人赏心悦目的外表时,灵魂才是能吸引玩家的核心。如今,许多开发商利用高质量的AI设计使自己的游戏在竞争日趋白热化的市场中脱颖而出。在一年一度的游戏开发者大会上,越来越多的开发者开始讨论游戏AI设计的进展。游戏界越来越多地认识到AI设计对于整个游戏开发历程的重要量。近年来,遗传算法(Genetic Algorithm, GA)成为一种全新的随机搜索与优化算法,其基本思想基于Darwin的进化论和Mendel的遗传学。遗传算法对于解决复杂性的多目标的且具有不可预测性的不足时,有着无可比拟的优越性。二十世纪九十年代,遗传算法进入了兴盛进展时期,无论是论述探讨还是运用探讨都成了十分热门的课题。遗传算法的运用探讨尤为活跃,不但扩大了它的运用领域,而且也显著提升了利用遗传算法进行优化和规则学习的能力,与此同时,我们也开始摸索产业运用方面的探讨。遗传算法的运用探讨已以初期的组合优化求解扩展到了许多更新、更工程化的运用方面。刨除一切游戏特点内容和其他因素来说,贸易类游戏的一个根本目标就是挣钱,如何才能挣到更多的钱呢,就是通过在一个城市低价写进货物,然后再到需要的城市高价卖出,以而赚取利润。为了简化不足我们这里不考虑市场浮动因素,并且认为每个城市的特产品都是独一无二的,每个特产品都会在另外某个城市拥有最高卖出,这样在不考虑货仓因素的前提下(认为所有货物最多购进1个单位),只要能够反复遍历所有的城市,就能赚取到最高利润。这样我们就需要AI能够找到一条能够遍历所有城市的路径,这条路径越短,意味着所花去的时间越少,单位时间内的利润就越多,这里为了使不足更加简化,我们忽略地形因素,认为所有的城市间都可以走直线到达,并且单位距离内所花费的时间都是一样的。本论文主要以四个方面介绍贸易类游戏AI中的遗传算法运用,分别为遗传算法在游戏开发方面的探讨背景、国内外探讨近况以及本论文的主要工作;人工智能技术、游戏中所涉及到的人工智能技术、在游戏开发中利用人工智能技术的作用、现在游戏开发领域中几种主流的人工智能技术的介绍,主要包括:有限状态机、模糊逻辑、神经网络、遗传算法。以及未来游戏人工智能的进展方向;遗传算法部分主要介绍遗传算法的计算模型,主要包括:遗传算法的原理、编码技术、群体设定、遗传操作。遗传算法的特点、遗传算法的适用方向以及遗传算法的近况等;介绍贸易类游戏的目标简化、51城市TSP不足具体代码设计、具体代码的优化以及模拟51城市的历程与结果。其中,51城市TSP不足具体代码设计中,主要介绍:群体设定、适应度函数的设计、选择算子的设计、交叉算子的设计、变异算子的设计。在具体代码的优化中,主要介绍了种群大小、交叉概率、变异概率的选择以及针对交叉算子的改善。而模拟51城市的历程和结果中,主要介绍遍历51城市的改善效果、改善的算法在求解其他数目城市时的体现以及贸易类游戏中更多的遗传算法。关键词:人工智能论文遗传算法论文游戏开发论文AI论文

    摘要4-6

    Abstract6-10

    第1章 绪论10-13

    1.1 探讨背景10

    1.2 国内外探讨近况10-11

    1.3 本论文探讨内容及论文组织结构11-13

    第2章 游戏开发中的人工智能13-18

    2.1 人工智能概述13

    2.2 游戏中的人工智能及作用13-14

    2.3 几种主流计算智能技术的介绍14-16

    2.3.1 模糊逻辑14

    2.3.2 神经网络14-15

    2.3.3 遗传算法15-16

    2.4 未来游戏人工智能的进展方向16-18

    2.4.1 自动的故事情节进展16

    2.4.2 虚拟角色16

    2.4.3 适应玩家16-18

    第3章 遗传算法18-24

    3.1 遗传算法的计算模型18-23

    3.1.1 遗传算法的原理18-20

    3.1.2 编码技术20

    3.1.3 初始群体设定20-21

    3.1.4 遗传操作21-23

    3.2 遗传算法适用方向23-24

    第4章 贸易类游戏 AI 中的遗传算法运用24-36

    4.1 贸易类游戏的目标简化24-26

    4.2 51 城市 TSP 不足具体代码设计26-28

    4.2.1 群体设定26

    4.2.2 适应度函数设计26

    4.2.3 选择算子的设计26

    4.2.4 交叉算子的设计26-28

    4.2.5 变异算子的设计28

    4.3 具体代码的优化28-31

    4.3.1 种群大小、交叉概率、变异概率的选择29-30

    4.3.2 针对交叉算子的改善30-31

    4.4 模拟 51 城市的历程与结果31-36

    4.4.1 遍历 51 城市的改善效果31-34

    4.4.2 改善的算法在求解其他数目城市时的体现34

    4.4.3 贸易类游戏中更多的遗传算法34-36

    第5章 总结与展望36-38

    5.1 总结36

    5.2 展望36-38

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号