1. 本选题研究的目的及意义

人工智能是计算机科学的一个重要分支，旨在使计算机系统能够像人类一样思考和行动。

近年来，随着计算能力的提升和数据量的爆炸式增长，人工智能技术取得了突飞猛进的发展，并在各个领域展现出巨大的应用潜力。

游戏ai作为人工智能的重要应用领域之一，一直受到学术界和工业界的广泛关注。

2. 本选题国内外研究状况综述

近年来，随着人工智能技术的快速发展，游戏ai的研究也取得了显著的进步。

研究者们尝试将各种人工智能技术应用于游戏ai的设计中，其中强化学习作为一种重要的机器学习方法，在游戏ai领域展现出巨大的潜力。

1. 国内研究现状

3. 本选题研究的主要内容及写作提纲

本选题研究的主要内容包括以下几个方面：
1.强化学习算法研究：深入研究常用的强化学习算法，如q-learning、sarsa、dqn等，分析其原理、优缺点以及适用场景，为吃豆人游戏ai的设计选择合适的算法提供理论依据。

2.吃豆人游戏ai设计：游戏状态空间表示：针对吃豆人游戏的特点，设计合理的状态空间表示方法，将游戏场景信息抽象成ai可以理解和处理的数据形式，为后续的决策过程提供基础。

奖励函数设计：设计科学合理的奖励函数，引导ai学习正确的游戏策略，例如吃豆获得奖励、吃大力丸获得额外奖励、被幽灵抓到则受到惩罚等。

4. 研究的方法与步骤

本研究将采用实验研究方法，结合理论分析和模拟实验，设计并实现基于强化学习的吃豆人游戏ai，并对其性能进行评估。

1.文献调研阶段：查阅国内外相关文献，了解强化学习、游戏ai等领域的最新研究进展，为本研究提供理论基础和技术参考。

2.系统设计阶段：根据吃豆人游戏的特点，设计基于强化学习的ai系统架构，包括状态空间表示、奖励函数设计、动作空间设计等，并选择合适的强化学习算法。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：
1.针对吃豆人游戏的特点，设计合理的状态空间表示方法、奖励函数设计策略以及动作空间设计方案，提高ai的学习效率和游戏性能。

2.探索不同的强化学习算法在吃豆人游戏ai设计中的应用，并根据游戏环境的特点对算法进行改进，以提升ai的决策能力。

3.通过实验对比分析不同强化学习算法以及改进策略对ai性能的影响，为吃豆人游戏ai的设计提供参考依据。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 刘建伟,郭茂祖,李龙澍,等. 基于深度强化学习的智能体导航路径规划研究进展[j]. 软件学报, 2021, 32(9): 2807-2832.

[2] 余文,郑博文,赵天奇,等. 基于深度强化学习的移动机器人导航技术研究综述[j]. 机器人, 2022, 44(3): 371-384.

[3] 邓志强,王超,黄鼎隆,等. 基于改进深度强化学习的未知环境下机器人路径规划[j]. 控制与决策, 2021, 36(9): 2105-2112.