GRU改进算法对实时策略游戏中指令类型的预测  

作　　者：郭鸿村 臧兆祥[1][2] 张震 田佩 

机构地区：[1]三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 [2]三峡大学计算机与信息学院,湖北宜昌443002

出　　处：《电脑编程技巧与维护》2021年第8期3-6,共4页Computer Programming Skills & Maintenance

基　　金：国家自然科学基金(No.61502274);湖北省自然科学基金(No.2015CFB336);三峡大学水电工程智能视觉监测湖北省重点实验室开放基金(No.2015KLA08)资助项目。

摘　　要：从人工智能技术的角度来看,实时性策略(RTS,Real-Time Strategy)游戏是最复杂和最具挑战性的领域之一。一些实时策略游戏不仅具有状态动作空间巨大、环境部分可观测和即时性的特点,而且具有稀疏决策的特征。为了解决在实时策略游戏中决策比较稀疏的条件下进行指令类型的选择问题,引入了一种使用带权重的交叉熵损失函数的GRU神经网络模型。为验证所提方法的有效性,实验在游戏仿真平台上对GRU神经网络模型进行了综合评估。实验结果表明,对实时策略游戏中决策稀疏条件下的指令类型选择,改进的GRU网络模型是有效且稳定的。

关 键 词：RTS游戏 AGENT软件 不平衡数据集 指令类型选择 稀疏指令 

分 类 号：TP317[自动化与计算机技术—计算机软件与理论] TP18[自动化与计算机技术—计算机科学与技术]