1、隨著計(jì)算機(jī)硬件計(jì)算速度大幅提升以及人們對(duì)游戲的玩法和體驗(yàn)要求的提高，游戲?qū)θ斯ぶ悄艿囊笠苍絹?lái)越高。本文從游戲玩家的需求出發(fā)，研究智能Agent的路徑規(guī)劃算法和多 Agent系統(tǒng)的協(xié)作和對(duì)抗方法，針對(duì)游戲中NPC群體的路徑導(dǎo)航和行為控制中存在的問(wèn)題，提出了新的解決方法，具體工作如下：
　　首先，對(duì)比分析了幾種游戲中常用的柵格化地圖路徑規(guī)劃算法，并指出了A*算法的不足。相對(duì)于邊緣受限制的路徑搜索算法，任意角度路徑搜索算法生成的路徑更

2、短、更真實(shí)。Theta*算法是任意角度路徑規(guī)劃算法的典型代表，然而該算法在運(yùn)行時(shí)間和路徑長(zhǎng)度之間并沒(méi)有達(dá)到最優(yōu)的平衡，它的運(yùn)行時(shí)間很短，但找到的路徑卻不是最優(yōu)的。本文利用基于目標(biāo)導(dǎo)向的啟發(fā)式函數(shù)對(duì)Theta*算法生成的節(jié)點(diǎn)進(jìn)行重新擴(kuò)展，提出了改進(jìn)Theta*算法。相對(duì)于其它路徑搜索算法，改進(jìn)Theta*算法在運(yùn)行時(shí)間和路徑長(zhǎng)度之間有更好的平衡，在一定程度上提高了算法的執(zhí)行效率和避障智能。
　　其次，作為下一代游戲 AI主流的行為樹

3、，近年來(lái)得到了廣泛的研究。然而行為樹在群體智能的支持方面還需要進(jìn)一步的研究。本文利用行為樹自身層次性的特點(diǎn)，結(jié)合多 Agent系統(tǒng)自主決策和群體對(duì)抗方法，提出了一個(gè)基于行為樹的多 Agent行為控制系統(tǒng)，設(shè)計(jì)和實(shí)現(xiàn)了該系統(tǒng)中智能 Agent的行為樹和黑板系統(tǒng)以及基于行為樹的分層決策的控制架構(gòu)。結(jié)合Unreal Engine4游戲引擎，開(kāi)發(fā)了一款坦克大戰(zhàn)游戲模擬智能Agent的路徑導(dǎo)航以及多Agent系統(tǒng)的群體行為和AI控制，取得了比較理