竞技游戏系统中若干技术的研究和应用

摘要

项目反应理论是一种现代心理测量理论,它建立在两个概念的基础上：受试者在某一测试试题上的表现,可由一组潜在特质来预测,并经常以测验所得分值作为潜在特质的估算；受试者的表现与这组潜在特质间的关系,可通过一条连续递增函数(项目特征曲线)来加以解释。项目反应理论突破了经典理论的很多局限性,被广泛地运用各种领域。虽然我国对项目反应理论的研究也有了二十几年的历史,但基本上局限于心里测试和教育测试方面,很少有将项目反应理论运用到游戏中的研究。然而,对于竞技类游戏而言,它与心理及教育测试有很相似的地方。本文以面向中小学的竞技游戏为研究对象,将项目反应理论应用到竞技游戏中,进行了一些技术的研究。 文章详细分析了项目反应理论,并重点讨论了Logistic模型。在项目反应理论中一个很重要的问题就是项目参数和特质参数的估计,而现有的参数估计方法--极大似然估计法和贝叶斯估计法--在进行参数估算的时候都存在着很多问题。遗传算法的特点决定它可适用于一般非线系统模型的参数估计,文章在分析了基本遗传算法的基础上,结合三参数Logistic模型,对遗传算法进行了改进,提出了基于改进遗传算法的3PLM参数估计方法。 在网络游戏中,随着访问量的增多,对服务器的要求就会越来越高,竞技游戏系统也面临着这个问题。提高服务器处理性能的一个比较好的方法就是采用集群,并用负载均衡调度算法来平衡集群中的各个服务器节点,使资源得到最大利用。在分析现有负载均衡算法的基础上,文章提出了一种面向异构集群系统的动态负载均衡算法。 最后,详细分析了面向中小学的竞技游戏系统的需求,为了提高系统的可玩性,用OGRE引擎实现了游戏客户端,并设立了有效的激励机制；选择了三参数Logistic模型作为系统的测试模型,并运用改进的遗传算法对玩家的能力进行估计,选出适合其能力的题目,提高学习效率；构建了游戏服务器集群,并采用了面向异构集群系统的动态负载均衡算法来平衡集群中的各个服务器节点。

目录

文摘

英文文摘

声明

第1章绪论

1.1测试理论发展概述

1.2项目反应理论介绍

1.2.1基本概念

1.2.2基本假设

1.2.3项目反应模型

1.2.4信息函数

1.3负载均衡技术概述

1.3.1负载均衡出现的历史背景

1.3.2负载均衡的概念

1.3.3负载均衡的原理

1.3.4负载均衡的分类

1.4本文研究的背景和主要内容

1.4.1研究背景

1.4.2本文研究的主要内容及创新点

1.5论文组织结构

第2章 3PLM现有参数估计法的概述与分析

2.1条件极大似然估计(Condition Maximum Likelihood Estimation,CMLE)

2.1.1 已知项目参数求能力值

2.1.2已知能力值，估计项目参数

2.2联合极大似然估计(Joint Maximum Likelihood Estimation，JMLE)

2.3边际极大似然估计与EM算法(Marginal Maximum Likelihood Estimation and an EM algorithm,MMLE)

2.4边际贝叶斯估计(Marginalized Bayesian Estimation)

2.5现有参数估计法存在的问题

2.6本章小结

第3章 基于改进遗传算法的3PLM参数估计

3.1 遗传算法概述

3.1.1遗传算法的基本思想

3.1.2模式定理

3.1.3积木块假设(Building Block Hypothesis)

3.1.4遗传算法的特点

3.2基本遗传算法

3.2.1染色体编码表示

3.2.2适应度函数

3.2.3遗传算子

3.2.4基本遗传算法存在的问题

3.3基于改进遗传算法的3PLM参数估计法

3.3.1编码的改进

3.3.2选择算子的改进

3.3.3交叉算子的改进

3.3.4变异算子的改进

3.3.5停止规则的改进

3.3.6交差率和变异率的自适应调整

3.2.7基于改进遗传算法的3PLM联合参数估计

3.4参数估计算法性能测试

3.5本章小结

第4章竞技游戏中动态负载均衡调度算法研究

4.1基本的负载均衡算法

4.1.1静态负载均衡算法

4.1.2动态负载均衡算法

4.1.3现有负载均衡算法存在的问题

4.2面向异构集群系统的动态负载均衡算法

4.2.1算法思想

4.2.2负载权值

4.2.3动态反馈

4.2.4转发策略

4.3本章小结

第5章竞技游戏系统的设计与实现

5.1系统概述

5.2系统总体设计

5.2.1系统功能需求分析

5.2.2系统功能模块设计

5.2.3题库数据库设计

5.3题库管理子系统

5.4游戏子系统

5.4.1 OGRE概述

5.4.2游戏界面设计

5.4.3游戏控制

5.4.4基于3PLM的自适应学习

5.4.5测试实验

5.5服务器负载均衡

5.5.1网络结构

5.5.2负载均衡实验及分析

5.7本章小结

第6章 总结与展望

参考文献:

致谢

附录