点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 游戏步长算法
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
游戏步长算法的浅见希望对你有所帮助
游戏步长算法当然国产游戏大多做的不好。大多数根本不去认真做人物行走的播放程序,简单一帧帧播放动画,并随意移动小人在地图上的位置了事。 防止滑步又可以随意改变人物移动速度的方法是这样的: 将走路的程序用步长和步速两个量来控制。步长必须定死,按做出来的图片中小人一组动画下来,移动的像素为准。 步速是任意的,可以用游戏每帧或每 1/100 秒,人物移动的像素数来表示(可以是小数,比如每帧刷新移动 1.2 个像素)。 简化讲解,我以横版水平移动走路举例:(斜视角可以类推) 假设步长
所属分类:
其它
发布日期:2011-04-26
文件大小:2048
提供者:
liukaighfj
Checkers:使用alpha-beta修剪的Checkers AI代理。 它还具有总时间和步长限制-源码
跳棋AI 介绍 它使用8x8方格游戏板。 在创建游戏代理的尝试中,使用了树遍历方法。 Checkers是一个1vs1零和游戏。 Minimax算法最适合此类游戏。 ⍺-β修剪用于改善性能。 评估功能 我们所有的评估功能都可以分为两个部分-游戏中的主要部分(开局-中间游戏)和结束部分。 在第一部分中,我们尝试达到某个最佳阶段(不一定是游戏结束)。 开放式中间游戏评估功能 具体来说: 我们将董事会分成两半。 对手的一半棋盘值= 7 棋盘中棋手的一半= 5 国王的价值= 10 结束评估功能 对
所属分类:
其它
发布日期:2021-03-26
文件大小:4096
提供者:
weixin_42113456
slimevolleygym:用于单人和多人强化学习的简单OpenAI Gym环境-源码
史莱姆排球体育馆环境 史莱姆排球是由一位不知名的作家在2000年代初期创建的游戏。 “游戏的物理原理有点'狡猾',但其简单的游戏玩法却立即使人上瘾。” SlimeVolleyGym是一个简单的健身房环境,用于测试单人和多人强化学习算法。 游戏非常简单:代理人的目标是使球着陆在对手方的地面上,从而使对手丧生。每个特工从五个生命开始。当任何一个特工失去全部五个生命时,或者经过3000个时间步长后,情节结束。座席失去对手时会获得+1的奖励,而失去生命则会获得-1的奖励。 该环境基于我于创建Java
所属分类:
其它
发布日期:2021-03-18
文件大小:6291456
提供者:
weixin_42162216
Sorting_Algorithm_Visualizer-源码
排序算法可视化工具 描述 除了康威的生活游戏外,算法可视化器也是我一直想要创建的东西。 对于这个项目,我决定创建/可视化五个最常见的排序算法(气泡排序,插入排序,合并排序,快速排序和选择排序)。 在这五种排序算法中,合并排序和快速排序是最难于可视化的(它们对于gui不能定期绘制太快)。 为了解决此问题,为每种类型创建了一个新线程,这些线程内部存在延迟。 这些新线程及其延迟使绘制两种排序算法的步骤变得可见。 我在这个项目中玩得很开心,很高兴最终使用我学到的排序算法,即使这只是一个用于可视化所述
所属分类:
其它
发布日期:2021-02-14
文件大小:3145728
提供者:
weixin_42151036
CuriosityDriven-PPO:通过引导功能松散的好奇心驱动探索-源码
通过引导功能来放松好奇心驱动的探索 七月7,2018 描述 此回购是对OpenAI的论文《一个松散的重述。 该算法训练一种策略,使游戏完全摆脱内部预测错误产生的奖励。 该过程可以可视化为策略和试图预测环境未来状态的模型(称为前向动力学模型)之间的决斗。 该政策是通过培训的,除了将环境奖励替换为前向动力学模型的误差外。 更具体地说,用于PPO的奖励是前向动力学模型的预测的平方误差。 前向动力学模型的预测目标是环境中下一个状态的低维表示。 这称为内在奖励。 前向动力学模型越不准确,给定时间步长的奖
所属分类:
其它
发布日期:2021-02-09
文件大小:128000
提供者:
weixin_42128015