如何使用神经网络解决“软”解决方案？

Question

我正在考虑使用神经网络为我正在建造的太空射击游戏中的敌人提供动力，我在想;当网络没有一个明确好的输出集时，你如何训练神经网络呢？

Answer 1

我目前正在研究神经网络，如果没有明确定义的输入和输出编码，它们似乎毫无用处，而且它们根本无法扩展到复杂性（参见http://en.wikipedia.org/wiki/VC_dimension）。这就是为什么神经网络研究自20-30年前最初的炒作以来应用如此少，而基于语义/状态的AI因其在现实世界应用中的成功而接管了每个人的利益。

• 一个好的起点可能是弄清楚如何以数字方式表示游戏状态作为神经网络的输入。
• 接下来要弄清楚哪种输出会与游戏中的动作相对应。
• 考虑使用神经网络的结构。为了从神经网络中获得有趣的复杂行为，网络几乎必须经常出现。你需要一个经常性的网络，因为它们有“记忆”，但除此之外，你没有太多其他的东西可以继续。但是，具有任何复杂结构的循环网络实际上很难训练。
• 神经网络成功的领域往往是分类（图像，音频，语法等），统计预测成功有限（我们期望在这个词之后会出现什么词，明天的股价会是多少？ ）

简而言之，对于游戏的一小部分而言，使用神经网络可能更好，而不是作为核心敌人AI。

Answer 2

您可以查看AI Dynamic game difficulty balancing了解各种AI技术和参考资料。

（IMO，你可以实现敌人的行为，比如“围绕敌人”，这将非常酷，而不需要深入研究高级AI概念）

编辑：既然你正在制作一个太空射击游戏而且你想为你的敌人提供某种AI，我相信你会发现这个链接很有意思：Steering Behaviors For Autonomous Characters

Answer 3

您是否认为可以轻松修改FSM以响应刺激？毕竟它只是一个数字表，你可以把它保存在某个地方的内存中并随时改变数字。我在我的一个博客推动的删除中写了一些关于它的信息，奇怪的是它被一些Game AI新闻网站所吸引。然后，那个建立Pacman女士AI的人可以击败人类并获得真实新闻，在我的博客上留下了评论，其中包含更多有用信息的链接

这是我的博客文章，其中有关于我使用马尔可夫链不断适应游戏环境的一些想法，并且可能叠加并组合了计算机已经了解玩家如何对游戏情况做出反应的东西。

http://bustingseams.blogspot.com/2008/03/funny-obsessive-ideas.html

这里是关于强化学习的令人敬畏的资源的链接，先生。 smarty mcpacman为我发布。

http://www.cs.ualberta.ca/%7Esutton/book/ebook/the-book.html

这是另一个很酷的链接

http://aigamedev.com/open/architecture/online-adaptation-game-opponent/

这些不是神经网络方法，但它们确实适应并不断学习，并且可能比神经网络更适合游戏。

Answer 4

我会把你推荐给Matthew Buckland的两本书。

• Programming Game AI by example
• AI Techniques for Game Programming

第二本书进入了反向传播神经网络，这是大多数人所说的 无论如何谈论NN。

那就是说，如果你想创造有意义的游戏AI，我认为第一本书更有用。有一个关于成功使用FSM的好的，丰富的部分（是的，使用FSM很容易让自己绊倒）。