Я прошел курс ИИ, и учитель попросил нас реализовать игру, в которой используется один из алгоритмов ИИ. Вот где мне нужна помощь:
Мне не нужна помощь в кодировании, я могу справиться с этим (мой язык выбора - Java). Мне нужно немного помочь в выборе алгоритма.
В дополнении к ответу Бена хорошая комбинация - это альфа-бета-обрезка, а также игра, подобная соединению 4. Эвристика для чего-то вроде тик-такового слишком проста, а для шахмат слишком сложная. Но соединение 4 или аналогичная игра "середина дороги" может стать отличным местом, чтобы увидеть, как эвристика имеет большое значение как в эффективности, так и в качестве, а также достаточно сложна, чтобы даже получить некоторые "нишевые" эвристики, которые могут выиграть некоторые сценарии по сравнению с другими, в целом лучше эвристиками. Правила подключения 4 в частности достаточно просты, что очень легко придумать собственную успешную эвристику, чтобы увидеть эти вещи в действии.
Другим общим AI, с которым нужно играть, является A * для поиска пути, например, перемещение устройства в среде RTS или песочнице.
Альфа-бета-обрезка является хорошей для игровых деревьев в целом, а также пошаговые игры, такие как шахматы и tic-tac-toe в частности.
Любая игра может использовать любой алгоритм AI, если у вас есть игра 2d, в которой "враги" следуют за вами, вы можете использовать нечеткую логику, чтобы сделать траекторию. Точно так же, как вы можете использовать сеть (любого вида), чтобы заставить их "узнать" лучший способ следовать за вами. (Если они там, где много, вы можете использовать генетические алгоритмы, чтобы заставить их учиться в поколениях)
Так что, подумайте о чем-то забавном, и THEN спросите, где решение может быть улучшено с помощью AI и иметь FUN (это самая важная его часть).
И вы можете проверить эту книгу, чтобы получить некоторые идеи, моя ставка - это ваш uni, это где-то в библиотеке
Вы можете попробовать N головоломку и A * search алгоритм, используя Манхэттенское расстояние как эвристическая функция.
Как уже упоминалось, A * - отличный алгоритм для поиска путей в играх. Вот учебник (с источником) о том, как это реализовано.
Удачи!
Как насчет Марковской цепи Монте-Карло или алгоритма MCMC. http://en.wikipedia.org/wiki/Markov_chain_Monte_Carlo
В моем A.I. класс Я сделал один с байесовскими сетями для расчета вероятности. это было не слишком сложно, но было понятно. интересно.
Вы можете начать с простой карты на основе плитки и простых алгоритмов поиска пути, таких как упомянутые выше A *. После того, как вы сможете попытаться сделать игру свободным движением вдоль всей игровой карты.