用于2D赛车游戏的AI提示

Question

我有一个学校项目，为2D赛车游戏构建一个AI，它将与其他几个AI竞争。

我们获得了赛道的黑白位图图像，我们可以在收到地图后选择我们汽车的基本属性（操控，加速，最大速度和制动）。 AI连接到游戏的服务器，并为当前的加速和转向提供几次秒数。顺便说一句，我选择的语言是C ++。 问题是

1. 什么是最好的策略或算法（因为我想尝试并获胜）？我目前想到了网上发现的一些想法和我自己的一两个想法，但我想在开始编码之前我的观点是最好的。
2. 那件事有什么好书？
3. 我应该参考哪些网站？

Answer 1

这个问题没有“正确的答案” - 它非常开放，许多不同的选项可能会解决。

您可能希望将reinforcement learning作为一种尝试让AI最佳地确定如何在选择不同的控制统计数据后控制汽车的方法。强化学习模型可以训练计算机尝试朝着一个良好的系统努力，以便在底层控制系统方面进行特定的操作。

要确定您想要使用哪些控件，您可以使用某种强化学习方法，或者您可能想要调查可以使用不同控件组合的supervised learning算法，并查看有多好的控件他们为特定的地图“适合”。例如，您可能会将地图分成小块，然后尝试查看哪些控件在最大数量的块中表现良好。

在绘制您想要采用的路径方面，A*是用于查找最短路径的众所周知的算法。在你的情况下，我不确定它会有多大用处，但它是教科书通知的搜索算法。

为了避免对手赛车手并试图将他们带入棘手的情况，你可能需要开发某种对手的建模系统。通用投资组合是实现这一目标的一种方式，但我不确定它们在这种情况下会有多大用处。一种选择可能是围绕赛道和对手赛车开发potential field以帮助您的赛车尽量避开障碍物;对于寻路来说，这实际上可能是比A *更好的选择。如果你对战术演习感兴趣，那么直截了当的minimax搜索可能是避免陷入困境或寻找陷阱对手的好办法。

我不是AI专家，但我认为以上链接可能是一个很好的起点。祝大家好运！

Answer 2

  

那件事上有哪些好书？

我读过的关于这个主题的最好的书是由Mat Buckland撰写的“编程游戏AI by example”。它有关于路径规划和转向行为的章节，以及更多（状态机，图论，列表继续）。

Answer 3

上述所有解决方案都很好，人们已经花了很长时间来测试它们。查找“Togelius和Lucas”或“Loiacono和Lanzi”。他们尝试了神经进化，模仿（通过强化学习），力场等等。从我的观点来看，最好的方法是中线。这将花费一个小时来实施。相反，神经进化（例如）既不容易也不快。我做了我的论文，如果你有合适的硬件，它可能很容易需要几个月的全职。