基于强化学习的三维游戏控制算法
来源期刊：东北大学学报(自然科学版)2021年第4期
论文作者：孟琭 沈凝 祁殷俏 张昊园
文章页码：478 - 975
关键词：强化学习;深度学习;目标识别;Faster RCNN;DQN;
摘 要：基于强化学习,设计了一个面向三维第一人称射击游戏（DOOM）的智能体,该智能体可在游戏环境下移动、射击敌人、收集物品等.本文算法结合深度学习的目标识别算法Faster RCNN与Deep QNetw orks（DQN）算法,可将DQN算法的搜索空间大大减小,从而极大提升本文算法的训练效率.在虚拟游戏平台（ViZDoom）的两个场景下（Defendthecenter和Healthgathering）进行实验,将本文算法与最新的三维射击游戏智能体算法进行比较,结果表明本文算法可以用更少的迭代次数实现更优的训练结果.
孟琭，沈凝，祁殷俏，张昊园
东北大学信息科学与工程学院
摘 要：基于强化学习,设计了一个面向三维第一人称射击游戏（DOOM）的智能体,该智能体可在游戏环境下移动、射击敌人、收集物品等.本文算法结合深度学习的目标识别算法Faster RCNN与Deep QNetw orks（DQN）算法,可将DQN算法的搜索空间大大减小,从而极大提升本文算法的训练效率.在虚拟游戏平台（ViZDoom）的两个场景下（Defendthecenter和Healthgathering）进行实验,将本文算法与最新的三维射击游戏智能体算法进行比较,结果表明本文算法可以用更少的迭代次数实现更优的训练结果.
关键词：强化学习;深度学习;目标识别;Faster RCNN;DQN;
