MMOG中玩家联盟策略的研究

摘要

在MMOG(Massively Multiplayer Online Games)中，玩家之间协作和互动使MMOG具有更强的竞争性和趣味性。但是在现有的MMOG中，所应用的玩家联盟策略比较简单，玩家之间通过简单的组队方式来结成联盟，完成单个玩家无法完成的任务，不能够根据任务需求来选择玩家，因此研究适合MMOG的玩家联盟策略具有重要意义。
　　本文通过对Agent联盟策略和方法的研究，提出了适合MMOG中玩家联盟的策略和方法。本文主要完成了以下两方面的工作：
　　针对MMOG中玩家联盟策略存在的问题，提出了一种基于合同网的动态联盟策略，引入玩家适应度评估机制，综合考虑玩家所具有的能力值，历史经验值和信用值，计算出玩家的适应度值，联盟发起者利用适应度值对玩家进行初选，减少联盟过程消息发送量，其间协调者和候选联盟玩家利用改进的动态合同网机制进行协商。协调者收到足够完成任务的竞标时，利用蚁群算法寻找适合完成任务的玩家联盟，通过改进蚁群算法中启发式函数，将该函数中玩家能力值和SEC值因素设置不同权重，优先选择以前合作过且对任务适应性好的玩家行成联盟。
　　针对游戏环境中敌方事件与场景的联系，采用贝叶斯网络对玩家攻击目标选择进行辅助决策。在联盟作战中，如何来选择目标敌人，使得联盟整个的协作更加有效，成为联盟作战的一个重要问题。当游戏场景中同时存在多个目标敌人时，从复杂变化的信息中选择目标敌人是很困难的，因此对玩家选择目标提供辅助决策是很必要的。而贝叶斯网络在处理概率问题上有明显优势，因此本文针对网络游戏的特点，首先通过贝叶斯网络，建立玩家攻击目标贝叶斯网络模型，然后通过贝叶斯概率公式，计算出玩家攻击目标选择优劣的概率，对玩家选择攻击目标提供辅助决策。
　　本文基于robocode坦克仿真引擎进行实验，实验表明了本算法可以有效减少联盟生成的搜索时间、计算量和通信量，并能提高联盟的作战和配合能力。