CN107316080A - 一种基于人工智能的模糊逻辑技术实现ai行为判断方法 - Google Patents
一种基于人工智能的模糊逻辑技术实现ai行为判断方法 Download PDFInfo
- Publication number
- CN107316080A CN107316080A CN201710451998.0A CN201710451998A CN107316080A CN 107316080 A CN107316080 A CN 107316080A CN 201710451998 A CN201710451998 A CN 201710451998A CN 107316080 A CN107316080 A CN 107316080A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- target
- killprobability
- attack
- rule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/55—Controlling game characters or game objects based on the game progress
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于人工智能的模糊逻辑技术实现AI行为判断方法,其具体实现过程如下:(1)输入;(2)构建模糊规则:(2a)构建流程具体为:(S1)设计期望值模糊变量;(S2)设计击杀概率模糊变量;(S3)设计与目标距离模糊变量;(S4)设计规则集;(2b)计算方法:(N1)依次通过以下计算公式计算出击杀概率;(N2)通过使用向量Vector计算与目标距离;(3)去模糊化并得出结果:根据模糊规则,使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值。本发明方法能有效地判断AI行为,实现其模糊化,改善了游戏运行效果,使用效果好。
Description
技术领域
本发明涉及一种基于人工智能的模糊逻辑技术实现AI行为判断方法,属于游戏算法技术领域。
背景技术
模糊逻辑是建立在多值逻辑基础上,运用模糊集合的方法来研究模糊性思维,模糊逻辑指在模仿人脑的不确定性概念判断、推理思维方式,对于模型未知或不能确定的描述系统,以及强非线性、大滞后的控制对象,应用模糊集合和模糊规则进行推理,表达过渡性界限或定性知识经验,模拟人脑方式,实行模糊综合判断,推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验,它借助于隶属度函数概念,区分模糊集合,处理模糊关系,模拟人脑实施规则型推理,解决因“排中律”的逻辑破缺产生的种种不确定问题。
在一般的游戏中,AI行为的转换都是精准的条件判断,比如对方离我方100个像素,我方攻击,如果我方生命值小于10%,我方逃跑。但是这样的精准条件判断会使得ai的行为非常生硬,表现奇怪,违背玩家的心理预期。举个例子,假设对方离我方100个像素,这时我方选择攻击,但是这个时候我方的生命值又小于10%,我方也应该选择逃跑,那么这样就造成了逻辑冲突,在游戏中我方ai的行为会在攻击和逃跑两个状态间来回切换,造成人物抖动的奇怪表现。为了解决精准判断导致的逻辑冲突问题,有必要使用了模糊逻辑技术。
发明内容
本发明的目的在于提供一种基于人工智能的模糊逻辑技术实现AI行为判断方法,以便更好地实现游戏模糊逻辑判断,改善其使用效果。
为了实现上述目的,本发明的技术方案如下。
一种基于人工智能的模糊逻辑技术实现AI行为判断方法,其具体实现过程如下:
(1)输入:在游戏中,将攻击距离、攻击者生命值、攻击者攻击力、攻击者防御力、攻击者当前装备、被攻击者攻击力、被攻击者防御力、被攻击者当前装备、相距距离作为了模糊变量的输入。
(2)构建模糊规则:
(2a)构建流程具体为:
(S1)设计期望值模糊变量:这是表示后果集合期望值所需要的;模糊变量期望值需要去表示从0到100的所有分数的域,因此,其成员集合必须恰当的分布在这个域内;选择使用三个成员集合:一个左肩集合、一个三角集合和一个右肩集合,让它们代表语言术语“Undesirable不希望”、“Desirable希望”、“VeryDesirable非常希望”;
(S2)设计击杀概率模糊变量:这是表示前提条件。选择使用三个成员集合:KillProbability_Low击杀概率低、KillProbability _Medium击杀概率有可能、KillProbability_Very High 击杀概率非常大;概率值的范围在0到1之间;给模糊集合KillProbability_Low设置0.3的峰值;选择0.5作为KillProbability_Medium的峰值,选择0.8作为KillProbability_VeryHigh的峰值,然后稳步上升到0.9;
(S3)设计与目标距离模糊变量:这是表示前提条件。选择使用三个成员集合:Target_Close与目标距离近、Target_OK与目标距离合适、Target_Far与目标距离远;给模糊集合Target_Close设置距离为25个像素的峰值;选择150个像素作为Target_OK的峰值,选择300像素为Target_Far的峰值,然后稳步上升到400;
(S4)设计规则集: 模糊变量击杀概率和与目标距离,它们每个都包含三个成员集合。为了覆盖每种可能的组合,使用“与运算”方法,定义出了9种规则,每种规则得出一个期望值后果:规则1:如果KillProbability_Low与Target_Close,那么Undesirable;规则2:如果KillProbability_Low与Target_OK,那么Desirable;规则3:如果KillProbability_Low与Target_Far,那么Undesirable;规则4:如果KillProbability_Medium与Target_Close,那么Undesirable;规则5:如果KillProbability_Medium与Target_OK,那么VeryDesirable;规则6:如果KillProbability_Medium与Target_Far,那么Desirable;规则7:如果KillProbability_VeryHigh与Target_Close,那么Undesirable;规则8:如果KillProbability_VeryHigh与Target_OK,那么VeryDesirable;规则9:如果KillProbability_VeryHigh与Target_Far,那么Desirable;
(2b)计算方法:
(N1)依次通过以下计算公式计算出击杀概率:
A、攻击力=当前装备+基础攻击力;
B、防御力=当前装备+基础防御力;
C、击杀对方需要的攻击回合=对方生命值/(我方攻击力-对方防御力);
D、对方击杀我方需要的攻击回合=我方生命值/(对方方攻击力-我方防御力);
E、击杀对方的概率=击杀对方需要的攻击回合/对方击杀我方需要的攻击回合;
(N2)通过使用向量Vector计算与目标距离;
(3)去模糊化并得出结果:根据模糊规则,使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值;
平均最大值的计算公式:
平均最大值=(不希望的中心值*不希望隶属度+希望的中心值*希望隶属度+非常希望的中心值*非常希望隶属度)/(不希望隶属度+希望隶属度+非常希望隶属度);
最后判断计算出来的平均最大值是否超过当前行为的平均最大值,如果超过就执行,如果没有超过就不执行。
进一步地,上述判断方法基于编程语言实现。
进一步地,上述判断方法基于手机、智能电脑、网络游戏平台运行。
该发明的有益效果在于:本发明方法能有效地判断AI行为,实现其模糊化,改善了游戏运行效果,使用效果好。
具体实施方式
下面结合实施例对本发明的具体实施方式进行描述,以便更好的理解本发明。
实施例
本实施例中的基于人工智能的模糊逻辑技术实现AI行为判断方法,其具体实现过程如下:
(1)输入:在游戏中,将攻击距离、攻击者生命值、攻击者攻击力、攻击者防御力、攻击者当前装备、被攻击者攻击力、被攻击者防御力、被攻击者当前装备、相距距离作为了模糊变量的输入。
(2)构建模糊规则:
(2a)构建流程具体为:
(S1)设计期望值模糊变量:这是表示后果集合期望值所需要的;模糊变量期望值需要去表示从0到100的所有分数的域,因此,其成员集合必须恰当的分布在这个域内;选择使用三个成员集合:一个左肩集合、一个三角集合和一个右肩集合,让它们代表语言术语“Undesirable不希望”、“Desirable希望”、“VeryDesirable非常希望”;
(S2)设计击杀概率模糊变量:这是表示前提条件。选择使用三个成员集合:KillProbability_Low击杀概率低、KillProbability _Medium击杀概率有可能、KillProbability_Very High 击杀概率非常大;概率值的范围在0到1之间;给模糊集合KillProbability_Low设置0.3的峰值;选择0.5作为KillProbability_Medium的峰值,选择0.8作为KillProbability_VeryHigh的峰值,然后稳步上升到0.9;
(S3)设计与目标距离模糊变量:这是表示前提条件。选择使用三个成员集合:Target_Close与目标距离近、Target_OK与目标距离合适、Target_Far与目标距离远;给模糊集合Target_Close设置距离为25个像素的峰值;选择150个像素作为Target_OK的峰值,选择300像素为Target_Far的峰值,然后稳步上升到400;
(S4)设计规则集: 模糊变量击杀概率和与目标距离,它们每个都包含三个成员集合。为了覆盖每种可能的组合,使用“与运算”方法,定义出了9种规则,每种规则得出一个期望值后果:规则1:如果KillProbability_Low与Target_Close,那么Undesirable;规则2:如果KillProbability_Low与Target_OK,那么Desirable;规则3:如果KillProbability_Low与Target_Far,那么Undesirable;规则4:如果KillProbability_Medium与Target_Close,那么Undesirable;规则5:如果KillProbability_Medium与Target_OK,那么VeryDesirable;规则6:如果KillProbability_Medium与Target_Far,那么Desirable;规则7:如果KillProbability_VeryHigh与Target_Close,那么Undesirable;规则8:如果KillProbability_VeryHigh与Target_OK,那么VeryDesirable;规则9:如果KillProbability_VeryHigh与Target_Far,那么Desirable;
(2b)计算方法:
(N1)依次通过以下计算公式计算出击杀概率:
A、攻击力=当前装备+基础攻击力;
B、防御力=当前装备+基础防御力;
C、击杀对方需要的攻击回合=对方生命值/(我方攻击力-对方防御力);
D、对方击杀我方需要的攻击回合=我方生命值/(对方方攻击力-我方防御力);
E、击杀对方的概率=击杀对方需要的攻击回合/对方击杀我方需要的攻击回合;
(N2)通过使用向量Vector计算与目标距离;
(3)去模糊化并得出结果:根据模糊规则,使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值;
平均最大值的计算公式:
平均最大值=(不希望的中心值*不希望隶属度+希望的中心值*希望隶属度+非常希望的中心值*非常希望隶属度)/(不希望隶属度+希望隶属度+非常希望隶属度);
最后判断计算出来的平均最大值是否超过当前行为的平均最大值,如果超过就执行,如果没有超过就不执行。
上述判断方法基于编程语言实现。
上述判断方法基于手机、智能电脑、网络游戏平台运行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (3)
1.一种基于人工智能的模糊逻辑技术实现AI行为判断方法,其特征在于:其具体实现过程如下:
(1)输入:在游戏中,将攻击距离、攻击者生命值、攻击者攻击力、攻击者防御力、攻击者当前装备、被攻击者攻击力、被攻击者防御力、被攻击者当前装备、相距距离作为了模糊变量的输入;
(2)构建模糊规则:
(2a)构建流程具体为:
(S1)设计期望值模糊变量:模糊变量期望值需要去表示从0到100的所有分数的域,因此,其成员集合必须恰当的分布在这个域内;选择使用三个成员集合:一个左肩集合、一个三角集合和一个右肩集合,让它们代表语言术语“Undesirable不希望”、“Desirable希望”、“VeryDesirable非常希望”;
(S2)设计击杀概率模糊变量:选择使用三个成员集合:KillProbability_Low击杀概率低、KillProbability _Medium击杀概率有可能、KillProbability_Very High 击杀概率非常大;概率值的范围在0到1之间;给模糊集合KillProbability_Low设置0.3的峰值;选择0.5作为KillProbability_Medium的峰值,选择0.8作为KillProbability_VeryHigh的峰值,然后稳步上升到0.9;
(S3)设计与目标距离模糊变量:选择使用三个成员集合:Target_Close与目标距离近、Target_OK与目标距离合适、Target_Far与目标距离远;给模糊集合Target_Close设置距离为25个像素的峰值;选择150个像素作为Target_OK的峰值,选择300像素为Target_Far的峰值,然后稳步上升到400;
(S4)设计规则集:模糊变量击杀概率和与目标距离,它们每个都包含三个成员集合;为了覆盖每种可能的组合,使用“与运算”方法,定义出了9种规则,每种规则得出一个期望值后果:规则1:如果KillProbability_Low与Target_Close,那么Undesirable;规则2:如果KillProbability_Low与Target_OK,那么Desirable;规则3:如果KillProbability_Low与Target_Far,那么Undesirable;规则4:如果KillProbability_Medium与Target_Close,那么Undesirable;规则5:如果KillProbability_Medium与Target_OK,那么VeryDesirable;规则6:如果KillProbability_Medium与Target_Far,那么Desirable;规则7:如果KillProbability_VeryHigh与Target_Close,那么Undesirable;规则8:如果KillProbability_VeryHigh与Target_OK,那么VeryDesirable;规则9:如果KillProbability_VeryHigh与Target_Far,那么Desirable;
(2b)计算方法:
(N1)依次通过以下计算公式计算出击杀概率:
A、攻击力=当前装备+基础攻击力;
B、防御力=当前装备+基础防御力;
C、击杀对方需要的攻击回合=对方生命值/(我方攻击力-对方防御力);
D、对方击杀我方需要的攻击回合=我方生命值/(对方方攻击力-我方防御力);
E、击杀对方的概率=击杀对方需要的攻击回合/对方击杀我方需要的攻击回合;
(N2)通过使用向量Vector计算与目标距离;
(3)去模糊化并得出结果:根据模糊规则,使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值;
平均最大值的计算公式:
平均最大值=(不希望的中心值*不希望隶属度+希望的中心值*希望隶属度+非常希望的中心值*非常希望隶属度)/(不希望隶属度+希望隶属度+非常希望隶属度);
最后判断计算出来的平均最大值是否超过当前行为的平均最大值,如果超过就执行,如果没有超过就不执行。
2.根据权利要求1所述的一种基于人工智能的模糊逻辑技术实现AI行为判断方法,其特征在于:所述判断方法基于编程语言实现。
3.根据权利要求1所述的一种基于人工智能的模糊逻辑技术实现AI行为判断方法,其特征在于:所述判断方法基于手机、智能电脑、网络游戏平台运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710451998.0A CN107316080B (zh) | 2017-06-15 | 2017-06-15 | 一种基于人工智能的模糊逻辑技术实现ai行为判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710451998.0A CN107316080B (zh) | 2017-06-15 | 2017-06-15 | 一种基于人工智能的模糊逻辑技术实现ai行为判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316080A true CN107316080A (zh) | 2017-11-03 |
CN107316080B CN107316080B (zh) | 2020-09-25 |
Family
ID=60183613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710451998.0A Active CN107316080B (zh) | 2017-06-15 | 2017-06-15 | 一种基于人工智能的模糊逻辑技术实现ai行为判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316080B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110898433A (zh) * | 2019-11-28 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 虚拟对象控制方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040128079A1 (en) * | 2002-12-31 | 2004-07-01 | Jia-Jye Shyu | Artificial intelligent system for protein superfamily classification |
US20080243745A1 (en) * | 2007-03-31 | 2008-10-02 | Mitchell Kwok | Human Level Artificial Intelligence Software Application for Machine & Computer Based Program Function |
CN105144194A (zh) * | 2013-03-07 | 2015-12-09 | 阿尔派回放股份有限公司 | 用于识别和特征化运动动作的系统和方法 |
CN107441709A (zh) * | 2017-06-02 | 2017-12-08 | 华南理工大学 | 基于模糊行为树的游戏智能体动作序列生成方法 |
-
2017
- 2017-06-15 CN CN201710451998.0A patent/CN107316080B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040128079A1 (en) * | 2002-12-31 | 2004-07-01 | Jia-Jye Shyu | Artificial intelligent system for protein superfamily classification |
US20080243745A1 (en) * | 2007-03-31 | 2008-10-02 | Mitchell Kwok | Human Level Artificial Intelligence Software Application for Machine & Computer Based Program Function |
CN105144194A (zh) * | 2013-03-07 | 2015-12-09 | 阿尔派回放股份有限公司 | 用于识别和特征化运动动作的系统和方法 |
CN107441709A (zh) * | 2017-06-02 | 2017-12-08 | 华南理工大学 | 基于模糊行为树的游戏智能体动作序列生成方法 |
Non-Patent Citations (2)
Title |
---|
蔡礼权: "《基于模糊逻辑推理行为树的游戏AI建模与应用》", 《CNKI数据库》 * |
高建清: "《基于模糊Q学习的Agent智能决策研究与实现》", 《CNKI数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110898433A (zh) * | 2019-11-28 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 虚拟对象控制方法、装置、电子设备及存储介质 |
CN110898433B (zh) * | 2019-11-28 | 2021-09-03 | 腾讯科技(深圳)有限公司 | 虚拟对象控制方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107316080B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110882544B (zh) | 多智能体训练方法、装置和电子设备 | |
CN110968866B (zh) | 一种面向深度强化学习模型对抗攻击的防御方法 | |
CN113255936B (zh) | 基于模仿学习和注意力机制的深度强化学习策略保护防御方法和装置 | |
Tang et al. | MF-CNN: A new approach for LDoS attack detection based on multi-feature fusion and CNN | |
CN115333825B (zh) | 针对联邦学习神经元梯度攻击的防御方法 | |
CN109859288A (zh) | 基于生成对抗网络的图像上色方法及装置 | |
CN110152304B (zh) | 获胜值的确定方法及装置、存储介质及电子装置 | |
CN111045334B (zh) | 信息物理融合系统的主动防御弹性滑模控制方法 | |
CN112069504A (zh) | 面向深度强化学习对抗攻击的模型增强防御方法 | |
CN112870721A (zh) | 一种游戏互动方法、装置、设备及存储介质 | |
CN116861239A (zh) | 一种联邦学习方法和系统 | |
CN107316080A (zh) | 一种基于人工智能的模糊逻辑技术实现ai行为判断方法 | |
CN105391490A (zh) | 一种基于认知的卫星通信网络选择算法 | |
Souza-Filho et al. | Apex predator and the cyclic competition in a rock-paper-scissors game of three species | |
CN114024738A (zh) | 一种基于多阶段攻防信号的网络防御方法 | |
CN113837348A (zh) | 基于强化学习的变化环境多智能体控制方法与装置 | |
Khehra et al. | Image segmentation using teaching-learning-based optimization algorithm and fuzzy entropy | |
Liu et al. | Lazy agents: a new perspective on solving sparse reward problem in multi-agent reinforcement learning | |
CN115378487B (zh) | 基于电磁屏障的卫星通信动态频谱接入方法 | |
Gasparrini et al. | Loss Aversion Fosters Coordination in Independent Reinforcement Learners. | |
Mozgovoy et al. | Building a believable and effective agent for a 3D boxing simulation game | |
CN111314015B (zh) | 一种基于强化学习的脉冲干扰决策方法 | |
CN106355250A (zh) | 基于神经网络的判断隐蔽信道的优化方法及装置 | |
Zhang et al. | A mullti-or many-objective evolutionary algorithm with global loop update | |
CN104602333B (zh) | 无线网络中离散功率最小化方法、系统及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200831 Address after: Room 301, unit 1, building K1, Taohuayuan community, Anyuan East Road, XiXiangTang District, Nanning City, Guangxi Zhuang Autonomous Region Applicant after: Zhou Biaoqiang Address before: XIXIANGTANG district headquarters 530000 Nanning Road, the Guangxi Zhuang Autonomous Region No. 1 Chinese ASEAN science and technology incubator base in a building A-4 Applicant before: GUANGXI NANNING SHENGTAIAN ELECTRONIC COMMERCE DEVELOPMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |