資源描述：
《基于A3C模型的帶預(yù)判游戲智能體研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文基于A3C模型的帶預(yù)判游戲智能體研究RESEARCHONA3CBASEDGAMEAGENTWITHANTICIPATOR王耶利哈爾濱工業(yè)大學(xué)2018年6月國內(nèi)圖書分類號(hào)：TP391.4學(xué)校代碼：10213國際圖書分類號(hào)：004.8密級(jí)：公開工學(xué)碩士學(xué)位論文基于A3C模型的帶預(yù)判游戲智能體研究碩士研究生：王耶利導(dǎo)師：姜峰教授申請(qǐng)學(xué)位：工程碩士學(xué)科：計(jì)算機(jī)技術(shù)所在單位：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院答辯日期：2018年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.4U.D.C:004.8Dissertationforthe
2、MasterDegreeinEngineeringRESEARCHONA3CBASEDGAMEAGENTWITHANTICIPATORCandidate：WangYeliSupervisor：Prof.JiangFengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefence：June,2018Degree-Conferring-Instit
3、ution：HarbinInstituteofTechnology摘要摘要目前，常見的游戲內(nèi)置機(jī)器人在進(jìn)行對(duì)抗時(shí)都是根據(jù)事先編寫好的腳本進(jìn)行決策，采取行動(dòng)，而且可以獲取利用一些不平等信息，并不是像人類玩家一樣只根據(jù)游戲畫面（或者再結(jié)合聲音）進(jìn)行分析決策，靈活多變。本課題主要研究深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在游戲智能體領(lǐng)域的應(yīng)用，以及相關(guān)算法的改進(jìn)，使游戲智能體的決策過程更像人類，并使其擺脫對(duì)不公平信息的依賴。首先，本文采用VizDoom作為游戲智能體的研究平臺(tái)，該游戲是一款第一人稱視角的射擊游戲。根據(jù)A3C算法設(shè)計(jì)實(shí)現(xiàn)了一個(gè)游戲智能體（即卷積神經(jīng)網(wǎng)絡(luò)），該智能
4、體以原始的實(shí)時(shí)游戲畫面作為網(wǎng)絡(luò)輸入，輸出為對(duì)應(yīng)的離散動(dòng)作（即決策）。智能體會(huì)和VizDoom進(jìn)行交互，讀取實(shí)時(shí)游戲畫面，然后進(jìn)行決策，控制游戲中的角色行動(dòng)。其次，本文對(duì)A3C算法做了一個(gè)改進(jìn)，在其原有的基礎(chǔ)上加入了一個(gè)預(yù)判網(wǎng)絡(luò)，預(yù)判網(wǎng)絡(luò)的目的是使智能體可以像人類玩家一樣，在進(jìn)行決策前做出一個(gè)預(yù)判，然后將實(shí)時(shí)游戲畫面和預(yù)判畫面一起作為A3C算法的網(wǎng)絡(luò)輸入，進(jìn)行決策，輸出對(duì)應(yīng)的離散動(dòng)作。由于這個(gè)改動(dòng)僅僅改變了A3C算法的網(wǎng)絡(luò)輸入的數(shù)據(jù)結(jié)構(gòu)，因此是一個(gè)模型無關(guān)的方法，易于移植到其他算法上。最后，本文分析比較了A3C算法和改進(jìn)后的A3C算法在VizDoom上
5、的表現(xiàn)差異，并且搜集了目前在該游戲平臺(tái)上的相同游戲場景下的最新論文中的實(shí)驗(yàn)數(shù)據(jù)作為對(duì)照。實(shí)驗(yàn)結(jié)果表明，加入預(yù)判的A3C算法的表現(xiàn)要優(yōu)于改進(jìn)前的A3C算法。關(guān)鍵詞：深度學(xué)習(xí)；強(qiáng)化學(xué)習(xí)；DQN；A3C；預(yù)判網(wǎng)絡(luò)；VizDoom-I-AbstractAbstractAtthepresentday,thosecommonbuilt-inbotsingamesactaccordingtoscriptswritteninadvance.Theywillmakedecisions,takeactionsliketheyhavebeentold,andtheycan
6、acquireandtakeadvantageofsomeunfairinformation,insteadofactingflexiblylikehumanplayers,whomakedecisionsonlybasedongamescreens(orcombinedwithsounds).ThesubjectofthispapermainlyfocusesonstudyingtheapplicationofDeepLearningandReinforcementLearninginthefieldofthegameagentandtheimpr
7、ovementofrelatedalgorithm.Thegoalistomakegameagentmakesdecisionsinhuman’swayandgetsridofrelyingonunfairinformation.Firstofall,thispaperusesVizDoomastheplatformforstudyinggameagent.ItisaFirst-Person-Perspectiveshootinggame.Agameagent(ConvolutionalNeuralNetwork)hasbeenimplemented
8、accordingtoA3Calgorithm.Thisagenttakesoriginalrealtime
