ASIA unversity:Item 310904400/1927
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 94286/110023 (86%)
造訪人次 : 21660779      線上人數 : 498
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://asiair.asia.edu.tw/ir/handle/310904400/1927


    題名: 小精靈遊戲之策略自動產生與適應調整
    Generation of Adaptive Opponents for a Predator-Prey Game
    作者: 謝皓閔
    貢獻者: 數位媒體設計學系碩士班
    日期: 2008
    上傳時間: 2009-10-13 06:28:34 (UTC+0)
    出版者: 亞洲大學
    摘要: 在多數電腦遊戲中,電腦對手通常是以人工撰寫的腳本來控制。然而撰寫腳本經常得耗費遊戲開發者許多時間與精力,同時此過程亦是冗長與乏味的。此外,電腦對手的遊戲策略通常相當有限且固定,因此當玩家玩了一段時間之後,便能察覺其行為模式的重覆性,於是感覺失去挑戰性而覺得無趣。再者,遊戲中固定的難易度設定亦無法滿足市場上各式各樣、不同程度的玩家。為了克服上述問題,已有研究者提出以離線學習方法來自動產生電腦對手之策略,以省去人工撰寫腳本的時間成本。另外則有研究提出線上學習方法以進行動態難度調整,使遊戲的難易度能自動調整到符合玩家的程度。然而這些方法大多使用類神經網路來學習遊戲策略,因此有不易理解及難以維護的缺點。另外許多動態難度調整技術之效率不佳,因而難以實際運用到商業遊戲中。為了改進現有方法的缺點,本研究提出一套以模糊邏輯為基礎的離線及線上學習方法。在離線學習的部份,本研究提出以基因演算法自動產生一組模糊規則庫,以作為電腦對手之策略。而線上學習的部份,本研究則提出以機率方法來調整電腦對手之程度,使得遊戲難度能貼近玩家的程度,以自動達到遊戲平衡。實驗結果證明了此一離線學習方法所產生的模糊規則庫,可有效地控制電腦對手。同時實驗結果亦證明本研究之線上學習方法可有效率地調整遊戲難易度,並且適用各種不同程度的玩家。
    顯示於類別:[數位媒體設計學系] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML495檢視/開啟


    在ASIAIR中所有的資料項目都受到原著作權保護.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋