摘要：坦克大战是一款相当经典的游戏，其因操作简单而拥有众多的游戏玩家。在游戏中，人机对决是玩家们钟爱的模式，不过以往由电脑操控的坦克则较为呆板。随着人工智能时代的来临，开发一种具有人工智能控制的坦克，将为游戏增添更多乐趣。

本文基于Unity3D实现了坦克大战游戏。为了使电脑操控的坦克具备简单的人工智能，本文采用基于遗传算法的神经网络，通过设计适应值函数，训练种群规模、精英个体占比、交叉概率、变异概率的值，最终选择出较合适的数值。在实战中，该人工智能坦克具备追踪最近目标，优先远距离射击最近目标功能。

 

关键词：Unity3D；坦克大战；神经网络；遗传算法 

 

目 录

摘 要

Abstract

1 引言-1

1.1 研究背景及意义-1

1.2 研究目标-1

2 相关技术与理论-2

2.1 Unity3D游戏开发引擎-2

2.2 人工智能与神经网络-2

2.3 遗传算法-3

3 系统分析-4

3.1 系统概述-4

3.2 系统开发环境与运行环境-4

3.3 系统开发难点-4

3.4 系统功能需求分析-4

4 系统总体设计-6

4.1 系统总体设计思想-6

4.2 系统模块-6

4.3 系统功能模块划分-7

4.3.1 游戏主体-7

4.3.2 人工智能训练模型-7

4.4 系统主要流程描述-8

5 系统详细设计-10

5.1 游戏主体-10

5.1.1 坦克预制体—坦克模块-10

5.1.2 坦克预制体—武器系统模块-12

5.1.3 坦克预制体—生命系统模块-13

5.1.4 坦克预制体—控制系统模块-14

5.1.5 子弹预制体—子弹模块-16

5.1.6 界面—菜单界面模块-17

5.1.7 界面—游戏界面模块-17

5.2 人工智能训练模型的搭建-18

5.2.1 神经元模块-18

5.2.2 神经层模块-19

5.2.3 神经网络模块-20

5.2.4 基因组模块-23

5.2.5 遗传算法模块-24

5.2.6 代理模块-27

5.3 人工智能训练模型的设计-28

5.3.1 输入数据的获取与处理-28

5.3.2 非超参数的调试-30

5.3.3 适应值函数的设置-30

5.3.4 种群规模与迭代次数-32

5.3.5 神经网络隐藏层数与隐藏层神经元数-33

5.3.6 精英占比与轮盘赌占比-34

5.3.7 交叉概率-35

5.3.8 变异概率-35

5.3.9 人工智能坦克训练模型参数的选取-36

6 系统界面展示-37

6.1 坦克预制体的实现-37

6.2 界面—菜单界面-38

6.3 界面—游戏界面-38

7 总结与展望-40

参 考 文 献-41

致 谢