基於基因演算法與轉移學習學習即時戰略遊戲中之戰鬥策略
碩士 === 國立清華大學 === 資訊工程學系 === 98 === 即時戰略遊戲為模擬戰爭之遊戲，並可視為一種用於發展戰術、策略之良好方法。於即時戰略遊戲中，如何於對等條件中，發展良好的策略及隊形以擊敗敵人為一值得探討的議題。 基因演算法(Genetic Algorithm)為以自然演化概念形成之演算法，適用於各式求解及最佳化問題，並於充斥不確定因素之問題環境有良好成效；而即時戰略遊戲之戰爭策略發展即為其適切之應用領域。轉移學習(Transfer Learning)為一利用先前機器學習所學習過的經驗及結果，改善或強化新問題之學習過程之方法，利用轉移學習，將可節省於新問題之機器學習時間，甚...
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | Others |
| Language: | en_US |
| Published: |
2010
|
| Online Access: | http://ndltd.ncl.edu.tw/handle/48447704516073117579 |
| Summary: | 碩士 === 國立清華大學 === 資訊工程學系 === 98 === 即時戰略遊戲為模擬戰爭之遊戲，並可視為一種用於發展戰術、策略之良好方法。於即時戰略遊戲中，如何於對等條件中，發展良好的策略及隊形以擊敗敵人為一值得探討的議題。
基因演算法(Genetic Algorithm)為以自然演化概念形成之演算法，適用於各式求解及最佳化問題，並於充斥不確定因素之問題環境有良好成效；而即時戰略遊戲之戰爭策略發展即為其適切之應用領域。轉移學習(Transfer Learning)為一利用先前機器學習所學習過的經驗及結果，改善或強化新問題之學習過程之方法，利用轉移學習，將可節省於新問題之機器學習時間，甚者更可直接利用經驗結果進行分析應用於新問題之解決，無需學習時間。
在此篇論文中，藉一簡化之即時戰略遊戲平台，首先以基因演算法進行戰術策略及戰鬥隊形之研發演化，用於建立強大人工智慧之機器人程序(AI bot)，其為一能擊敗特定敵人之隊形與戰略組合。次利用轉移學習進行基因演算法之改善，利用已演化之經驗結果之強大人工智慧機器人程序，改良原基因演算法之初始族群分布，以加速演化速度。第三部份以轉移學習之方式，將已演化之經驗結果進行組合，結合為無需演化過程之人工智慧機器人程序，並獲得初步成效，組合結果之勝率已優於直接利用演化結果進行對戰之勝率，說明轉移學習應用於此問題之成功。
|
|---|