基于分层时序记忆算法的游戏人工智能的异常检测

【摘要】：随着人工智能技术的发展,游戏中的人工智能技术也在不断的发展。优秀的游戏人工智能在游戏世界中能表现出类似于人类智能的表现,能为玩家带来更多的挑战和乐趣。由于游戏人工智能又不同于传统意义上的人工智能,因此在实际应用中,游戏人工智能应用的技术侧重点会有不同。游戏人工智能所用到的技术包括感知方面、决策方面、行动方面等。首先,在通用人工智能架构基础上,优化设计了游戏的框架,分析了游戏人工智能在感知、决策、行动方面技术算法的特性,并在实际应用中,对不同技术的使用进行了改进优化。为复杂角色设计了自动战斗功能,增强游戏人工智能的行为表现。其次,总结游戏人工智能的在自动寻路方面的异常模型,分析使用分层时序记忆算法进行人工智能表现的异常检测的可行性和优势。为此研究了从仿生学角度提出的分层时序记忆算法,对比了相比其他神经网络算法,分层时序记忆算法的优势,分析了分层时序记忆算法在异常识别检测方面的对异常模式的识别和学习过程,并分析了分层时序记忆算法在异常检测方面的自适应性优势,实现了序列学习的空间沉淀池和时间沉淀池。最后,为保证游戏人工智能在游戏世界中的正常表现,引入使用软件方式测试游戏人工智能的概念。首先分析了开发平台、平台转换和平台内的功能接口,总结出了分层时序记忆算法检测游戏人工智能异常情况的流程模式。其次,通过实验分析验证了分层时序记忆算法检测游戏人工智能异常的可行性和自适应优势。