得益于近年来科学技术的发展,计算机的软件和硬件性能都得到了很大的提升,游戏人工智能相关的研究开始被人们所重视。游戏人工智能作为游戏中的重要组成部分,一直扮演着提升玩家体验的角色。但是开发人员也意识到,想要做出一个高度智能化的游戏人工智能,也是一项非常具有挑战性的任务。目前,商业游戏中常见的游戏人工智能设计方式主要有:有限状态机和行为树。这些方法能够得到市场的认可,原因是其设计出的游戏人工智能的行为完全可控,但是表现的灵活性不足。因此,一种新的游戏人工智能应运而生,那就是使用机器学习的方式,训练出满足我们需求的,并且灵活多变的游戏人工智能。本文将着重研究行为树和机器学习两种方式,设计出感知能力更加拟人化,行为灵活多变的射击游戏人工智能。并且基于Unity3D游戏开发引擎,开发一款射击游戏。主要研究工作体现在以下三个方面:(1)基于行为树技术设计一种射击游戏人工智能。为了使游戏中非玩家角色(Non-Player Characters,NPCs)体现出尽可能多的智能性,本文从NPCs的感知能力着手,在视觉感知和听觉感知上各提出一种具有实用价值的设计和实现方法。具体应用到游戏中,还设计了其他附加行为节点,使NPCs的行为表现更加完整。(2)运用机器学习中的相关技术设计游戏人工智能,主要是强化学习的方式。以训练投篮机器人为例,详细描述基于机器学习游戏人工智能的设计实现方法。另外,为了使强化学习的训练更加快速有效,结合使用了课程学习和好奇心等方法。通过多组不同组合的训练实验,展示出较为科学有效训练方法。(3)基于Unity3D引擎设计制作一款射击游戏,包括游戏的故事背景,游戏风格,基础的可玩性功能,最重要的是,将本文提出的行为树感知系统设计方法和基于机器学习的设计方法应用于该游戏的NPCs制作过程中。同时对比实验多种训练方式,从数据中分析最优的训练方法。在篮球运动员游戏人工智能的设计制作中,提出了行为树与机器学习相结合方法,将机器学习所得到的策略模型封装成行为树中的某些节点,将二者有机的结合,取长补短。最后,通过游戏整体运行效果的描述,展示出所有游戏人工智能的智能行为表现。