如何在太空入侵者中实现神经网络？

Question

我正在开发unity游戏引擎中的一个太空入侵者克隆人。我想让敌人变得聪明。我尝试过的一种方法是使用最小最大算法。我取了玩家的x坐标，用它制作了最小最大树，并用它在特定的时间间隔后让敌人离开那个位置。然而，这并没有很好地发挥作用。现在我希望敌人学习和进化，以避免玩家使用神经网络。我如何在太空入侵者中实现这一点？有没有比神经网络更好的算法来对付太空入侵者？

Answer 1

几乎任何学习算法都会比神经网络更好。然而，这是一个非常深刻的主题--你需要的是一本书和几个月的时间，而不是一个快速的答案。

因此，我将推荐几个：

• Artificial Intelligence: A Modern Approach by Russell & Norvig.
• AI Game Programming Wisdom by Steve Rabin (ed).
• Artificial Intelligence for Games by Millington &Funge。

我不推荐使用神经网络，因为它们需要很长时间来学习，即使使用最现代的学习优化技术(我认为你在任何书中都找不到)。你想让这些入侵者在飞行中学习，所以你需要一些响应性更强的东西。

我可能会使用决策树，并保留一个有限长度的记忆向量，这样生物就可以快速适应玩家策略的变化。

Answer 2

神经网络在游戏AI中是一种复杂的机制。但游戏AI的主要特征是模拟人类行为的最常见特征，就像游戏中的图灵测试一样。也许，使用GOAP和FSM技术来更快地开发逻辑会更好，但它们的需求几乎相同。

Answer 3

你说过，你想让敌人“进化”。是的，我认为神经网络是解决这类问题的好方法。更准确地说，进化发展了神经网络。但你需要一种方法来训练他们。快地。这是我要做的:首先建立一个用来射击敌人的人工智能。一些足够简单的东西。然后运行进化算法来开发和训练最好的敌人AI神经网络，而您手动开发的玩家AI试图杀死它们。更进一步:给你的玩家AI赋予一个evo神经网络，让它学会尽可能有效地杀死敌人。然后，让它们一起进化。你将获得一些有史以来最聪明的敌人(还有一个非常好的AI玩家--如果你需要的话)。然后，您可以选择来自不同世代的不同个体来代表游戏中的不同难度级别。