基于实时战略游戏重放记录数据编码和机器学习的游戏获胜者预测

摘要：

对实时战略(RTS)游戏仿真平台μRTS自带的RTS游戏AI机器人之间进行游戏比赛产生的重放记录数据进行采样,用独热编码对采样点数据中的游戏玩家在游戏中的状态和动作信息进行编码,利用卷积神经网络、支持向量机和K-近邻等机器学习算法对RTS游戏AI机器人在游戏比赛中的获胜者进行预测.实验结果表明,结合给出的编码方法和机器学习算法预测RTS游戏获胜者的准确率与已有方法相比有显著提高,预测结果ROC曲线的AUC值较高.

关键词：实时策略游戏、游戏AI机器人、重放记录数据编码、机器学习、游戏获胜者预测

所属期刊栏目：41

分类号：TP183(自动化基础理论)

在线出版日期：2021-07-15（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：87-92