1. 研究目的与意义
目前，大部分游戏中的ai的行为是依靠大量堆积的树状图来决定，在对手表现出某种行为后，只能做出单一的反应。
在围棋中已经有了alphago，及时战略游戏星际争霸也有alpha star的先例，而代入感最强的第一人称的游戏却没有相关的人工智能ai。
一个成熟的人工智能ai能够极大提高玩家的游戏体验，并且让游戏构筑的世界更加真实。
2. 研究内容和预期目标
本文将描述如何在一个简单的第一人称对抗类游戏中，采用神经网络方法，设计一个能够在面对复杂的环境下寻找到最优解的人工智能ai。
游戏中，自身的血量值、体力值和怒气值，对手的血量值、体力值和怒气值，还有对手正在做出的行为，这些都将作为神经元输入，经过隐含神经的计算，最终求得最优解。
在对不同类型的神经网络的选择中，优先考虑卷积神经网络，因为无论输入多少数据，最后只能输出一个结果，并且游戏ai在游戏中是需要做出即时反应的，代码太复杂导致运行卡顿会极大影响玩家的游戏体验，对神经网络的适当减负也是必不可少的一步。
3. 国内外研究现状
围棋中已经有了Alphago，及时战略游戏星际争霸也有Alpha star
4. 计划与进度安排
先制作一个简单的第一人称对抗类游戏，人物属性有血量、体力、和怒气，行为有攻击、防御和使用终极技能，攻击和防御分为多种方式，需要使用不同的体力完成，存在互相克制的关系，被攻击和攻击命中都会积攒怒气，怒气值为100时可以释放终极技能。
由与项目游戏的侧重点在人工智能ai上，所以尽量简化了游戏内的场景，在玩家对战的模式中，表现得更像是石头剪刀布的博弈。
然后开始神经网络的设计最后讲设计完成的ai投入玩家对战中，统计胜率，再进行优化
5. 参考文献
AI在游戏追逐与躲避中的应用 作者 葛方芳一种战棋游戏的AI算法设计与实现浅析 作者 格桑多吉，王玉龙，郭鑫
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
