基于强化学习的三维游戏控制算法

摘要：

基于强化学习,设计了一个面向三维第一人称射击游戏(DOOM)的智能体,该智能体可在游戏环境下移动、射击敌人、收集物品等.本文算法结合深度学习的目标识别算法Faster RCNN与Deep Q-Networks(DQN)算法,可将DQN算法的搜索空间大大减小,从而极大提升本文算法的训练效率.在虚拟游戏平台(ViZDoom)的两个场景下(Defend the center和Health gathering)进行实验,将本文算法与最新的三维射击游戏智能体算法进行比较,结果表明本文算法可以用更少的迭代次数实现更优的训练结果.

关键词：强化学习、深度学习、目标识别、Faster RCNN、DQN

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：478-482,493