基于数据挖掘和数据融合的游戏关卡自动生成系统

摘要

在游戏开发过程中,关卡设计作为游戏开发的重点,如果都由设计师逐一设计将花费大量的时间和资本,而且玩家黏着度低。同时,游戏玩法数据中蕴含着对游戏设计有重要意义的数据。数据挖掘和数据融合是两种分析处理数据、提取有用知识的技术,它们在功能上具有一定的互补性。因此,本文提出了一种基于数据挖掘和数据融合技术的游戏关卡自动生成方法,该方法首先利用布尔逻辑和粗糙集理论相结合的离散化方法对游戏玩法数据进行预处理,并提出了一种基于信息增益的属性约减算法消除冗余属性;接着利用决策树ID3算法建立一个游戏难易程度的评估模型,构造决策树;然后利用数据融合D-S算法得到体现玩家行为的数据,并结合决策树得到对于玩家的难易程度,同时把新的体现玩家行为的数据存入训练数据集中;最后根据难易程度获得游戏关卡参数,并根据关卡数据自动生成游戏关卡。本文对数据挖掘和数据融合两种技术进行深入的研究和实验,研究的成果如下:
　　⑴针对传统的均匀离散化等算法需要人为的设定一些参数处理数据,并且运用该类算法的决策树的识别率并不高等问题,本文采用了基于布尔逻辑和粗糙集理论的离散化算法,该算法不需要一些人为的因素并且识别率也相对比较高,可以有效的对原始数据进行离散化处理。
　　⑵针对所获取的游戏玩法数据中存在冗余的属性的问题,本文需要利用算法处理离散化后的数据。通过对已有的属性约减算法的研究以及ID3决策树算法中信息增益概念的重要性,本文提出了一种基于信息增益的属性约减算法,有效的解决了数据的冗余性。
　　⑶针对未利用剪枝的决策树过于复杂并且识别率不高等问题,通过分析对决策树进行先剪枝和后剪枝的处理后决策树的识别率,该算法平衡了决策树复杂程度和准确率。本文在充分考虑决策树的复杂度和分类正确率后,构造出了一棵尽量简单的决策树。
　　⑷本文研究了数据挖掘和数据融合技术的集成问题。针对两种技术在功能上互补的特性,通过两种技术的结合,完善了模型的获取过程,同时也提高了融合的准确性;建立了两种技术的集成模型,可以有效的应用到信息处理中。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 引言

1.2 游戏关卡设计的发展

1.3 相关技术的研究现状

1.4 论文的内容组织结构

第二章 数据挖掘和数据融合技术介绍

2.1 数据挖掘技术介绍

2.2 数据融合技术介绍

2.3 数据挖掘和数据融合集成技术介绍

2.4 本章小结

第三章 数据挖掘和数据融合技术在游戏关卡设计中的研究

3.1 概述

3.2 游戏关卡设计中游戏玩法数据的挖掘

3.3 游戏关卡设计中游戏玩法数据的融合

3.4 本章小结

第四章 基于数据挖掘和数据融合技术的游戏关卡自动生成系统设计

4.1 概述

4.2 系统框架结构

4.3 游戏玩法数据的收集和预处理

4.4 基于属性约减的数据挖掘算法的实现

4.5 游戏玩法数据的融合算法的实现

4.6 游戏关卡信息的生成

4.7 本章小结

第五章 实验设计与结果分析

5.1 实验准备

5.2 实验结果分析

5.3 实验总结

第六章 总结与展望

6.1 论文总结

6.2 展望

参考文献

发表论文和参加科研情况说明

致谢