课程名称-游戏开发流程与引擎原理-课程代码-05718.docx
-
资源ID:445311
资源大小:15.78KB
全文页数:8页
- 资源格式: DOCX
下载积分:5金币
友情提示
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
|
课程名称-游戏开发流程与引擎原理-课程代码-05718.docx
课程名称:嬉戏开发流程与引擎原理 课程代码:05718第一部分课程性质与目标一、课程性质与特点本课程是高等教化自学考试嬉戏软件开发技术专业的必修专业课程。嬉戏引擎 中的人工智能用来限制嬉戏中各种活动对象行为的逻辑,使它们表现合情合理。人 工智能是嬉戏引擎的重要组成,成为嬉戏设计过程极为重要的一个部分。通过本课程学习Win32编程、GDI制作图形和动画原理等编程基础学问,以及 生物进化中的选择、遗传、变异、杂交等概念,并结合数学、物理和计算机软件方 面的学问探讨迷宫路径的找寻、最短巡回路途和月球登录飞船的遗传算法进化过程, 神经网络的原理、机制、嬉戏代理行为、训练和演化的探讨也是本课程的重要内容。因此本课程具有涉及学问面广、好用性强、理论和实践结合等特点。二、课程目标与基本要求(一)课程目标通过本课程的学习,使考生了解人工智能在嬉戏引擎设计中的重要性,驾驭嬉 戏编程中的人工智能的理论学问,并能应用遗传算法和人工神经网络原理创建嬉戏 中的人工智能。(二)基本要求1、具备Win32基本编程实力。2、理解动画原理、遗传算法和神经网络的基本概念以及所用到的数学和物理学 问。3、能够将遗传算法的进化过程应用于嬉戏角色智能行为的模拟。4、能够利用神经网络学问实现嬉戏角色通过学习来相识嬉戏环境、适应环境或 进行周旋和较量的行为。三、与本专业其他课程的关系1 .本课程是专业学习的主干课程。2 .本课程是嬉戏软件开发基础、嬉戏架构导论和C+编程基础等课 程的后续课程。3 .本课程的重点是Win32编程学问、遗传算法的理论和应用、神经网络的理 论和应用。4 .本课程的难点是嬉戏引擎中的遗传算法、神经网络的编程实现。其次部分考核内容与考核目标第1章Windows概述一、学习目的与要求本章是介绍Windows的发展历程以及Windows的编程入门学问。通过本章学习,驾驭Win32编程的基础学问。二、考核学问点与考核目标(一)历史一瞥(一般)识记:WindowS版本的发展历程。(ZS)Hello World!(重点)应用:“Hello World!,"程序。(三)第一个WindoWS程序(次重点)识记:匈牙利表示法。理解:WindoWS过程、集成开发环境。应用:键盘输入的编码实现、窗口注册、创建窗口、WirIdOWS消息循环。第2章Windows编程进阶一、学习目的与要求本章内容主要介绍WindOWS编程基本学问,是进入遗传算法和神经网络学习的 基础。通过本章的学习,理解资源的含义,驾驭WindoWS的绘图和文字工具,能够创 建程序中菜单、图标、鼠标光标等内容。二、考核学问点与考核目标(一)Windows图形设备接口(重点)识记:窗口显示的图形类型、设备描述表。理解:句柄获得、颜色设定。应用:自定义画笔、自定义画刷、自定义形态。(二)文本(次重点)识记:TextOut > DrawText0应用:文本设定。(H)如何创建后备缓冲(次重点)识记:帧率、前端缓冲、后备缓冲。理解:实现消息抽取循环、后备缓冲的运用。(四)运用资源(重点)t,3. 洛海举刑盲用;卤标自定V光标自定义、菜单自定义。(五)对话框(重点)识记:对话框的类型。应用:对话框的创建。(六)正确定时(重点)理解:正确定时。第3章 遗传算法入门一、学习目的与要求遗传算法是计算机模拟生物的遗传进化过程,用模拟法实现人工智能,须要编 程者具有生物学的思索方法。遗传算法在嬉戏引擎设计中应用广泛。通过本章的学习,理解生物进化的基本原理和有关概念,驾驭计算机中角色进 化的实现方法,并能够将理论应用于走迷宫嬉戏中。二、考核学问点与考核目标(一)鸟和蜜蜂(一般)识记:基因、等位基因、基因组、遗传类型。(二)二进制速成(一般)识记:二进制。应用:二进制运算。()计算机内的进化(重点)识记:赌轮选择法、杂交率、变异率。理解:遗传算法的过程。(四)帮助BOb回家(重点)识记:适应性分数、杂交算子、变异算子。理解:染色体编码、杂交率和变异率对进化的影响、适应性分数对进化的影响、群体尺 寸和染色体长度对算法效率的影响。应用:时代方法的实现、迷宫算法。第4章 置换码与巡回销售员问题一、学习目的与要求巡回销售员问题常在战略嬉戏的人工智能引擎中遇到,它也可以用于代码生成 随机地图。通过本章的学习,进一步巩固遗传算法的学问,学习将遗传算法应用于实际问 题的思索方法。二、考核学问点与考核目标(一)巡回销售员问题(重点)理解:巡回员的问题、巡回员问题的主要特点、巡回员的基因编码、适应性 分数设计的关键、基因组的结构定义。(二)置换杂交的操作(重点)识记:置换杂交的类型、部分映射杂交。应用:部分映射杂交的实现。(三)变换变异操作(重点)识记:变换变异。应用:变换变异的实现。(四)选择一个适应性函数(重点)理解:适应性函数的设计。(五)选择(重点)理解:种子选拔法的作用。应用:种子选拔法的实现。(六)把一切组合在一起(重点)应用:遗传算法的实现、第5章遗传算法的优化一、学习目的与要求遗传算法的驾驭须要通过动手实践,不断地试验各种参数的设定。通过本章的学习,学会视察各种算子以及思索改进的方法,驾驭各种适应性的 变比技术以提高遗传算法性能。二、考核学问点与考核目标(一)TSP用到的各种算子(重点)识记:散播变异、移位变异、插入变异、倒置变异、倒置移位变异、基于依次 的杂交、基于位置的杂交。应用:散播变异的实现、移位变异的实现、插入变异的实现、基于依次杂交的 实现、基于位置杂交的实现。(二)各种处理工具(次重点)识记:局部最优解、方差、标准差、西格玛变比计算适应性分数的公式、单点 杂交、两点杂交、多点杂交。理解:稳态选择:鲁应性比例选择、赌轮选择、随机遍历取样、竞标赛选择、 排名变比的方法、西格玛变比的特点、波兹曼变比的特点、子群技术的实现。应用:随机遍历取样的实现、锦标赛选择的实现、西格玛变比的实现、波兹曼 变比的实现、多点杂交的实现。第6章登月也不难一、学习目的与要求本章的内容是设计一个引导登月飞船平稳着陆在着陆平台的人工智能程序。通过本章的学习,驾驭嬉戏编程中需用到的矩阵及变换、矢量和牛顿物理学的 学问。进一步理解遗传算法的广泛应用性,更深化地学习遗传算法的编码实现。 二、考核学问点与考核目标(一)创建和处理矢量图形(次重点)识记:图形的定义、矩阵的概念、矩阵的乘法、单位矩阵、矩阵的顶点变换 公式。理解:顶点变换、顶点平移、图形变比、图形旋转、创建和运用单位矩阵的 步骤。应用:顶点缓冲、图形处理的综合应用。(二)矢量(次重点)识记:矢量的概念。理解:矢量的加减、矢量大小的计算、矢量的数乘、矢量的规范化、矢量的分解、矢量的点积。(三)相关的物理学问(一般)识记:加速度、引力。(四)人工限制的登月工程(重点)识记:映射模式。理解:登月飞船参数更新的步骤、登月飞船限制的关键、登月飞船基因组的 编码方法、登月飞船平安着陆的条件。应用:登月飞船参数更新的实现、登月飞船变异操作的实现、登月飞船杂交 操作的实现。第7章神经网络概述一、学习目的与要求人工神经网络是人类或者生物大脑工作机制的模拟,在嬉戏中主要用来限制对 手的嬉戏代理的行为,使他们象真人那样,能够通过学习来相识环境、适应环境, 或学会与他的对手(玩家)进行周旋和较量的实力。通过本章的学习,理解人工神经网络的基本学问和最常用的神经网络,驾驭利 用神经网络设计一个用于扫雷的虚拟机器人,并能够结合遗传算法学问改进神经网 络的性能。二、考核学问点与考核目标(一)一个生物学的神经网络一一大脑(一般)识记:生物神经细胞的工作机制。理解:人类大脑的特点。(二)数字版的神经网络(重点)识记:激励值。理解:数字神经细胞的输入和输出、前馈网络的结构、有监督的学习、手写体 文字识别的工作原理。(三)扫雷机嬉戏(重点)识记:人工神经细胞的数学表达式、阶跃激励函数、s型激励函数的数学表 达式、偏移。理解:扫雷机的输入信息清单、神经细胞的结构、神经细胞层的结构、神经 网络对象的定义、神经网络的编码、创建神经网络的方法、神经网络的更新方法、 扫雷机基因结构体的定义、扫雷机类的定义、时代的工作步骤、单点杂交算子的改 进方法、输入参数的简化。应用:扫雷机嬉戏的实现。第8章为机器供应知觉一、学习目的与要求通过本章的学习,能够利用神经网络解决一般嬉戏中的两个人工智能问题:避 开障碍物和探究环境。二、考核学问点与考核目标(一)回避障碍物(重点)理解:胜利回避障碍物的条件、扫雷机适应性分数的设定。应用:触觉器的功能实现。(二)为机器人供应记忆器(重点)识记:递归网络。理解:环境地图的设计、记忆器的设计和应用。应用:机器人探究功能的实现。第9章有监督的训练方法一、学习目的与要求有监督训练法适用于已经具备可以用来训练神经网络的各种数据。通过本章的学习,了解网络训练的基本方法。通过异或(XOR)函数的网络, 探讨利用反向传播法的训练过程。能够驾驭训练神经网络来识别玩家通过鼠标所做 的手势,对神经网络训练中的一些运用技巧有肯定的了解。二、考核学问点与考核目标(一)异或函数(重点)识记:异或函数的功能、输出层权重的调整、隐藏层权重的调整、训练集。理解:反向传播的工作原理、训练网络的步骤。应用:XOR网络的训练、(二)RecognizeIt鼠标手势的识别(重点)理解:鼠标手势的训练、学习率的特点及其设置、鼠标数据的记录和转换。应用:鼠标手势的识别。(三)一些有用的技术与技巧(次重点)识记:增加动量的作用。理解:过拟合、柔性最大激励函数。(四)监督学习的应用(一般)理解:监督学习的训练集的信息、输出训练集的信息。第10章实时演化一、学习目的与要求在嬉戏中可以借助人工神经网络模拟生物群体的不同性能和不同的行为方式。通过本章的学习,理解神经网络所代表的人体常常性诞生和死亡的机制,驾驭 将神经网络应用于创建一批接受训练并学会躲避子弹的外星人的方法。二、考核学问点与考核目标(一)外星人嬉戏(重点)识记:外星人的工作机制、外星人的动作特点。理解:外星人孵化池的工作原理、外星人适应性分数的设定、外星人的演化。 应用:外星人的程序实现。第11章演化神经网络的拓扑一、学习目的与要求神经网络的体系结构对网络的有效性有非常重要的作用,演化型神经网络可以 在学习过程中合理地进行归纳、不失去推广实力,在不同适应性大小的网络结构类 型中尽可能广泛搜寻,直到找到全局的最优解。通过本章学习,了解演化型神经网络的特点,理解该网络的工作原理,驾驭干 脆编码、间接编码的方法,理解NEAT的工作原理。二、考核学问点与考核目标(一)竞争约定问题(次重点)识记:演化型神经网络的创建方法、演化型神经网络、竞争约定问题。(二)干脆编码(次重点)识记:干脆编码、基因子编码、二进制矩阵编码、基于路径的编码。理解:基因子编码的缺点、基于节点编码的处理方法、基于节点编码的神经 网络演化步骤、基于路径编码的突变操作类型。(三)间接编码(一般)识记:间接编码、基于语法的编码、二维生长的编码。(四)拓扑扩张的神经演化(次重点)识记:拓扑扩张的神经演化、NEAT基因组的结构、链接基因的结构、神经细 胞的基因结构、基因组创新、物种的形成、显式适应性共享。理解:基因组可用的突变操作、基因组创新的实现、加入链接的方式、兼容 性测试的指标、换代的方法、NEAT的更新模式。应用:加入神经元的方法、利用创新协助设计有效的杂交操作。第三部分 有关说明与实施要求指定教材:嬉戏编程中的人工智能技术,Mat Buckland著吴祖增 沙鹰 译, 清华高校出版社,2006年版二、对社会助学的要求1、助学学时:本课程共4学分,建议总课时72学时,其中助学课时安排如下:章次内容学时1Windows 概述42Windows编程进阶63遗传算法入门84置换码与巡回销售员问题85遗传算法优化86登月也不难67神经网络概述48为机器人供应知觉89有监督的训练方法810实时演化611演化神经网络的拓扑6合计72三、关于命题考试的若干规定1、试卷中对不同实力层次的比例大致是:“识记”为20%、“理解”为50%、“应 用”为30% o2、试卷类型一般为:单项选择题、多项选择题、名词说明、填空题、简答题、 论述题、综合应用题。四、题型示例(样题)一、单项选择题1、在解决TSP问题时,变异算法较优的是A.散播变异B.移位变异C.插入变异D.倒置变异二、多项选择题1、EANN编码的方法有A.干脆编码B.间接编码C.杂交编码D.变异编码E.选择编码三、名词说明1、多点杂交四、填空题1、一个前馈网络的层次有、和 等3层。五、简答题1、简述基因子编码的特点。六、论述题1、试述群体尺寸和染色体长度对算法效率的影响。七、综合应用题1、写出扫雷机触觉器的知觉功能的编码。