《Deduction of Fighting Game Countermeasures using Neuroevolution of Augmenting Topologies》

Abstract

MizunoAI：使用KNN算法，但是，算法需要调参

NEAT：神经网络和遗传算法的结合，可以自行调参（k值）

本篇论文是使用NEAT去进行游戏对抗 FightingICE

 

INTRODUCTION

传统的解决方案：制定规则    缺点：容易被人预测

opponet modeling：基于对手的移动和行为进行预测建模

 

FIGHTING ICE

游戏规则：一场游戏60s，1s有60帧，通过公式：

比较分数来决定获胜者

动作：左，右，跳跃，蹲下躲避

 

PROPOSED METHODOLOGY

这篇论文使用KNN来预测对手的移动。

预测分为三个部分：

①收集数据：人物在x轴y轴上的距离，两个人物的HP，和耐力值

②预测：

1. 根据对手距离的远近筛选对手的动作，远距离不考虑

2. 训练网络

3. 评价网络的性能，对网络进行筛选

③模拟：模拟人物和对手所有会进行的动作，最后选出最高得分的动作

 

PERFORMANCE EVALUATION