一种基于深度Q学习网络的非玩家角色战斗策略学习方法

摘要

本发明公开了一种基于深度Q学习网络的非玩家角色战斗策略学习方法，利用学习型非玩家角色的位置、技能冷却时间、控制状态以及陪练型角色的位置、技能冷却时间、控制状态作为输入状态，以学习型非玩家角色的所有技能作为输出动作集合，采用深度Q学习网络作为学习算法，以双方角色的血量差信息作为深度Q学习网络的回报，以最小化时间差分误差作为目标，进行反向传播计算，更新深度神经网络的隐含层权系数、输出层权系数。本发明提出的基于深度Q学习网络的非玩家角色战斗策略学习方法，能够自动地生成非玩家角色战斗策略，提高效率与灵活性，同时增强对战能力，显著提升游戏的挑战性和趣味性。