作者：涂浩; 刘洪星游戏人工智能行为决策q学习行为树
摘要：游戏中的非玩家角色（NPC）通过学习获得智能，因此学习算法的设计是一个关键问题。提出一种改进型Q学习算法（SA-QL），它以模拟退火算法为基础，在状态空间、探索策略、报酬函数等方面改进了Q学习算法的不足。将该算法运用到行为树的设计中，使NPC能在游戏过程中实时学习，调整行为树中逻辑行为的最佳执行点，从而产生合适的行为响应。实验结果表明，SA—QL算法比传统Q学习算法效率更高，控制NPC的效果更好。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
