基于人工神经网络的关卡评价方法的研究

摘要

移动互联网行业的快速发展使得移动端游戏成为当今游戏行业的热门开发领域，而关卡作为游戏中最为重要的模块对吸引玩家、提高留存起着重要的作用。然而随着游戏开发行业新人的不断涌入以及开发周期的不断缩短，传统的依靠游戏策划经验的游戏关卡难易度评估和关卡设计的评价方式已经很难满足当前的游戏开发需求，因此亟需一种客观而准确的评级方法对游戏关卡的难易度和设计做出评价。　　本文以研究通用的游戏关卡难易度和设计的评价方法为目标，对人工神经网络本身和游戏关卡评价方法进行了研究，提出了基于人工神经网络的关卡评价方法。　　在针对人工神经网络模型进行研究时，发现了隐藏层节点选取方面的一些问题，提出了基于模拟退火算法的单隐藏层BP神经网络隐层节点的估算方法，与传统的试凑法和增长法相比速度更快，结果也更加准确。并将该模型应用于游戏关卡的难易度评估和设计评估上，利用统计学的主因子分析法对影响游戏关卡设计的因素进行分类，简化了输入参数，构建了游戏关卡评价的神经网络模型，并提出了游戏关卡评价的一般方法。　　本文最后建立了基于人工神经网络模型的游戏关卡评价系统，对游戏关卡评价方法进行了试验，通过预测关卡的通关率和复玩率来对游戏关卡的难易度和设计进行评价，证明了该方法的有效性。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景

1．2 本文的研究内容和意义

1．3 本文的创新点

1．4 本文的组织结构

第二章 相关技术与理论

2．1 人工神经网络

2．1．1 人工神经网络的基本概念与应用

2．1．2 人工神经网络的发展

2．1．3 人工神经元的基本原理

2．1．4 人工神经网络的常见结构

2．1．5 人工神经网络的学习

2．1．6 常见的学习算法

2．1．7 人工神经网络的优缺点

2．2 模拟退火算法

2．2．1 模拟退火算法的产生和发展

2．2．2 模拟退火算法的原理

2．3 游戏关卡评价

2．3．1 游戏关卡的定义

2．3．2 游戏关卡难度评价的一般方法

2．4 本章小结

第三章 基于人工神经网络的关卡评价方法

3．1 游戏关卡难易度及设计评价特性

3．2 基于模拟退火算法的单隐藏层BP神经网络隐藏层节点的估算方法

3．2．1 隐藏层节点选取的一般方法

3．2．2 算法描述与设计

3．2．3 实验数据来源及设计

3．3 基于BP神经网络的游戏关卡难易度评价模型

3．3．1 游戏关卡难易度模型输入参数的确定方法

3．3．2 游戏关卡难易度模型输出参数的确定方法

3．4 基于人工神经网络的游戏关卡评价模型

3．5 基于人工神经网络的关卡一般评价方法

3．6 本章小结

第四章 系统实现和实验分析

4．1 开发平台和工具的选择

4．1．1 常见的人工神经网络开发平台和工具

4．1．2 AForge．NET

4．2 系统实现

4．2．1 系统的设计目标

4．2．2 系统架构设计

4．2．3 系统功能模块设计

4．3 实验分析

4．3．1 实验环境

4．3．2 实验结果分析

4．4 实验总结

4．5 本章小结

第五章 总结与展望

5．1 论文总结

5．2 下一步工作

参考文献

攻读硕士学位期间发表的论文及参与的科研项目