融合深度学习与搜索的实时策略游戏微操方法

摘要

实时策略游戏的微操是指操纵多个作战单元以赢得胜利,针对传统搜索方法在面对大规模战斗场景时存在的搜索效率低下、搜索空间有限等问题,提出深度学习与在线搜索相结合的方法,以实现学习模型对搜索过程的引导.给出一种基于编码-解码卷积架构的联合策略网络,将其嵌入到PGS、POE和SSS+3种经典搜索方法中,实现多智能体联合动作的端到端学习.实验结果表明,该方法可以适应复杂的作战场景,在StarCraft: BroodWar的2个基准场景中能够击败内置人工智能方法,胜率分别达到95％、99％,接近当前最好的基准方法.