基于深度强化学习的游戏智能引导算法

摘要

针对传统游戏智能体算法存在模型输入维度大及训练时间长的问题，提出一种结合状态信息转换与奖励函数塑形技术的新型深度强化学习游戏智能引导算法.首先，利用Unity引擎提供的接口直接读取游戏后台信息，以有效压缩状态空间的维度，减少输入数据量；其次，通过精细化设计奖励机制，加速模型的收敛过程；最后，从主观定性和客观定量两方面对该算法模型与现有方法进行对比实验，实验结果表明，该算法不仅显著提高了模型的训练效率，还大幅度提高了智能体的性能.

关键词

深度强化学习 / 游戏智能体 / 奖励函数塑形 / 近端策略优化算法

基金资助

国家自然科学基金(批准号：U21A20390); 吉林省科技发展计划项目(批准号：20210509006RQ)