实时策略游戏微操的进化多目标优化

我们研究了一种用于实时策略游戏良好微操的进化多目标方法。良好的微操有助于玩家赢得小规模冲突，并且是开发更好的实时策略游戏玩法的关键之一。在先前的工作中，最大化造成伤害同时最小化承受伤害的相同多目标方法被用于进化一组远程单位对抗一组近战单位的微操。我们将这项工作扩展到考虑由两种类型的单位组成的群组。具体而言，本文使用进化多目标优化来为一组由远程和近战单位组成的群组对抗另一组远程和近战单位的群组生成微操。我们的微操行为表示使用影响图来表示敌方空间信息，并使用由距离、生命值和武器冷却时间生成的势场来引导单位移动。实验结果表明，我们的多目标方法产生了一个由多样化高质量微操组成的 Pareto 前沿，这些微操封装了多种可能的战术。Pareto 前沿提供的这一系列微操使得人类或 AI 玩家能够在更适合其长期策略的短期战术之间进行权衡——例如，选择以仅轻微伤害敌人为代价来最小化友方单位伤害，或者以增加友方单位伤害为代价来最大化对敌方单位的伤害。我们相信我们的结果表明了势场作为一种表示方法，以及进化多目标优化作为一种方法，在生成良好微操方面的有效性。