基于Android平臺手機(jī)游戲引擎的設(shè)計(jì)與實(shí)現(xiàn)

黎忠文，覃志東，王全宇，倪仲余，3

（1.成都大學(xué) 信息學(xué)院，四川 成都610106；2.東華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，上海201620；3.西華大學(xué) 數(shù)學(xué)與計(jì)算機(jī)學(xué)院，四川 成都610039）

0 引 言

智能手機(jī)是指具有獨(dú)立操作系統(tǒng)，支持用戶下載安裝第三方服務(wù)商提供的聊天、游戲等應(yīng)用程序，并可以通過移動通訊網(wǎng)絡(luò)實(shí)現(xiàn)無線網(wǎng)絡(luò)接入的一類手機(jī)的總稱。目前，主流的智能手機(jī)操作系統(tǒng)有Android，iOS和 Windows Mobile等系統(tǒng)。其中，Android是由Google開發(fā)的開源操作系統(tǒng)，其SDK已非常完善。隨著Android手機(jī)成本的下降，以及Google公司成功收購摩托羅拉移動公司，其市場占有率將更大。所以，基于Android平臺的游戲等各種應(yīng)用開發(fā)將具有廣闊的發(fā)展前景。對游戲創(chuàng)意的良好性能支撐，提高開發(fā)效率，縮短開發(fā)和推出市場的周期，都是影響一款游戲是否成功的關(guān)鍵因素，而這些因素的改善都與游戲引擎的設(shè)計(jì)息息相關(guān)。

游戲引擎是為運(yùn)行某類游戲的機(jī)器所設(shè)計(jì)的，并且能夠被該機(jī)器所識別的代碼集合。經(jīng)過不斷的發(fā)展，游戲引擎已經(jīng)成為一套由多個(gè)子系統(tǒng)共同構(gòu)成的復(fù)雜系統(tǒng)，控制游戲的執(zhí)行，使玩家與終端能夠交互［1］。在現(xiàn)代手機(jī)游戲中，游戲角色的真實(shí)感體驗(yàn)是衡量游戲品質(zhì)的一個(gè)重要標(biāo)準(zhǔn)［2］。通常游戲的真實(shí)感體驗(yàn)由圖形渲染、物理模擬和人工智能等模塊完成。目前，已有的手機(jī)游戲引擎在圖形渲染和物理模擬方面取得了長足的進(jìn)步，但其人工智能模塊仍然顯得簡單甚至沒有［3］，應(yīng)用這些引擎設(shè)計(jì)出的游戲其非玩家控制角色過于遲鈍或者程式化，影響了游戲的真實(shí)性，所以游戲引擎的人工智能仍有很大的發(fā)展和創(chuàng)新空間［4］。對于在線游戲而言，由于這類游戲需要技術(shù)性能和用戶感知視覺質(zhì)量并舉［5］，對人工智能技術(shù)的需求很大。同樣在3D游戲開發(fā)中，相對于游戲引擎的其它部分，人工智能的研究力度還有待進(jìn)一步加強(qiáng)，比如路徑搜索算法［6］直接影響著游戲的響應(yīng)速度［7］。當(dāng)前越來越多的游戲引擎是基于移動平臺的。當(dāng)游戲越來越復(fù)雜的時(shí)候，軟件基本開發(fā)方法將很難滿足這些游戲的開發(fā)要求。文獻(xiàn) ［8］研究結(jié)果表明，在移動平臺上開發(fā)一個(gè)游戲引擎時(shí)，選定一個(gè)設(shè)計(jì)模式，理清設(shè)計(jì)目標(biāo)和思路是很重要的。

本文通過對Android游戲的程序結(jié)構(gòu)進(jìn)行研究，基于模塊化的思想，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于Android系統(tǒng)的2D游戲引擎LAndGame2D，重點(diǎn)對人工智能模塊中的基本算法：最短路徑搜索算法進(jìn)行了優(yōu)化，有益于提高游戲的真實(shí)感體驗(yàn)。

1 游戲引擎的基本原理

游戲引擎是面向游戲開發(fā)的通用內(nèi)核，將游戲程序設(shè)計(jì)中最通用的功能集成為一個(gè)游戲開發(fā)平臺。通常游戲引擎包括的模塊有智能模擬、物體成像、物理演算、碰撞運(yùn)算、角色的操作、聲音管理等，游戲開發(fā)人員可以通過API函數(shù)調(diào)用這些模塊，快速方便的開發(fā)游戲。

1.1 Android平臺游戲運(yùn)行機(jī)制

設(shè)計(jì)游戲引擎，首先需要分析游戲的運(yùn)行機(jī)制，提取游戲的基本構(gòu)成元素。Android游戲主要包括一個(gè)Activity類、一個(gè)流程控制類、一個(gè)游戲線程類和若干個(gè)游戲?qū)ο箢?。其中Activity類是游戲程序的基本執(zhí)行單元，控制復(fù)雜的游戲生命周期，如游戲的啟動、暫停、退出等。游戲控制類提供了游戲的界面切換的方法。游戲線程類循環(huán)檢測可能發(fā)生的各種事件，計(jì)算游戲狀態(tài)，刷新屏幕。游戲?qū)ο箢愋枰x對象和執(zhí)行動作。當(dāng)游戲事件觸發(fā)時(shí)，游戲?qū)ο笸ㄟ^回調(diào)函數(shù)調(diào)用相應(yīng)的操作。

Android平臺游戲運(yùn)行機(jī)制如圖1所示。

1.2 游戲引擎中的人工智能技術(shù)

在游戲設(shè)計(jì)中通常采用的人工智能技術(shù)主要有模糊邏輯、有限狀態(tài)機(jī)、尋徑算法等。模糊邏輯使用模糊值來表示模糊的概念和進(jìn)行知識推理，被廣泛應(yīng)用于決策推理和行為選擇。例如，非玩家角色評估玩家展示的威脅，控制非玩家隊(duì)友的行為等。有限狀態(tài)機(jī)是基于規(guī)則的人工智能系統(tǒng)，來源于自動機(jī)理論，可以管理整個(gè)游戲場景，也可以操作單個(gè)游戲?qū)ο蠛腿宋铩?/p>

圖1 Android平臺游戲運(yùn)行機(jī)制

尋徑算法是游戲開發(fā)中的常見算法，非玩家角色需要在較短時(shí)間內(nèi)找到由當(dāng)前位置到主角位置的最短路徑并且避免與障礙物碰撞，其依賴的核心基礎(chǔ)是人工智能中的最短路徑搜索算法。在現(xiàn)有游戲引擎中，對于最短路徑求解問題，先后有深度優(yōu)先算法、廣度優(yōu)先算法、Dijkstra算法、A＊算法等諸多算法被提出。其中，深度優(yōu)先和廣度優(yōu)先算法屬于狀態(tài)空間搜索算法，其最大缺陷是搜索速度低，當(dāng)狀態(tài)空間很大或者不可預(yù)測的情況下則無法給出最優(yōu)解。Dijkstra算法能夠保證搜索成功率，但是由于需要遍歷計(jì)算的節(jié)點(diǎn)過多，所以搜索速度慢。而A＊算法是啟發(fā)式搜索算法，它只需要產(chǎn)生全部狀態(tài)空間的部分結(jié)點(diǎn)及關(guān)系，就可求解，搜索效率較高，但是由于該算法沒有回溯，不能確保尋找到的路徑一定是最優(yōu)路徑。

近年來，遺傳算法因?yàn)槠鋸?qiáng)大的并行搜索能力，也被用來求解最短路徑問題，其搜索成功率優(yōu)于A＊算法，且搜索速度優(yōu)于Dijkstra算法。但標(biāo)準(zhǔn)遺傳算法存在易陷入早熟的缺陷，采用該算法實(shí)現(xiàn)尋徑，則在游戲中常導(dǎo)致非玩家角色在一個(gè)角落不停地繞圈。顯然，這會極大影響玩家的真實(shí)感體驗(yàn)。綜合考慮算法的搜索速度和搜索成功率，本文引入Boltzmann行動選擇策略解決標(biāo)準(zhǔn)遺傳算法易早熟的缺陷，并以此優(yōu)化遺傳算法作為引擎尋徑問題求解的基本算法。

2 基于Boltzmann行動選擇策略的優(yōu)化遺傳算法

Boltzmann行動選擇策略是一種被搜索算法所采用的，適于求解非精確狀態(tài)信息下的順序決策過程問題的行動選擇策略。本文所改進(jìn)的遺傳算法利用基于Boltzmann行動選擇策略［9］替代輪盤賭選擇策略，從而解決標(biāo)準(zhǔn)遺傳算法容易早熟的問題。

2.1 Boltzmann行動選擇策略

標(biāo)準(zhǔn)遺傳算法一般采用輪盤賭選擇策略，給定種群規(guī)模為n的群體p ＝ ｛a1，a2，···，an｝ ，個(gè)體aj∈P的適應(yīng)值為f（aj），其選擇概率為

式 （1）決定后代種群中個(gè)體的概率分布。當(dāng)種群中個(gè)體的適應(yīng)值差異較大時(shí)，最優(yōu)個(gè)體和最差個(gè)體被選擇的概率之比成指數(shù)級增長。最優(yōu)個(gè)體將顯著增加在下一代的生存機(jī)會，而最差個(gè)體的生存機(jī)會則會被剝奪。最優(yōu)個(gè)體快速充滿種群，從而導(dǎo)致種群的多樣性迅速降低，遺傳算法也就過早地喪失進(jìn)化能力，陷入算法早熟問題。

Boltzmann行動選擇策略采用隨機(jī)接收準(zhǔn)則選擇行動，并根據(jù)當(dāng)前狀態(tài)下可選行動的估計(jì)價(jià)值決定選擇行動的概率。Boltzmann選擇機(jī)制可以有效地解決優(yōu)化算法難以避免的局部最優(yōu)問題，使系統(tǒng)最終演化到全局極小點(diǎn)［10］，尋找到最優(yōu)的行動選擇策略。設(shè)行動全體集合為A，行動估計(jì)價(jià)值集合為VA，a1，a2，…，an∈A為當(dāng)前狀態(tài)下可選的行動，而v（a1），v（a2），…，v（an）∈VA分別為各行動估計(jì)價(jià)值提出對應(yīng)的估計(jì)價(jià)值，當(dāng)前狀態(tài)下選擇任一行動ak｛a1，a2，…，an｝ 的概率為

其中，k＝1，2，…，n，T＞0是退火溫度，是控制進(jìn)化過程中選擇壓力的關(guān)鍵，在種群的進(jìn)化過程中，進(jìn)化早期時(shí)選擇壓力較小，適應(yīng)值較差的個(gè)體也需要一定的生存能力，退火溫度緩慢地遞減；進(jìn)化后期需要較大的選擇壓力來縮小搜索鄰域，加快最優(yōu)解改善的速度，退火溫度遞減也需要越快，因此退火溫度變化趨勢應(yīng)該是不斷成非線性下降的過程，所以，本文引入神經(jīng)網(wǎng)絡(luò)中的Sigmoid函數(shù)作為退火溫度的變化系數(shù)，即

其函數(shù)曲線圖如圖2所示。

圖2 Sigmoid函數(shù)曲線

基于Boltzmann選擇機(jī)制的遺傳算法中個(gè)體被選擇的概率定義為

式中：n——種群規(guī)模，c——種群進(jìn)化迭代循環(huán)次數(shù)，m——最大迭代次數(shù)，T0——退火溫度初始值，Tmin——冷卻溫度。T會隨著迭代次數(shù)的增加而減小，選擇壓力就隨之增大，最終達(dá)到冷卻溫度。

2.2 優(yōu)化遺傳算法的測試

為了驗(yàn)證算法的收斂性能以及跳出局部最優(yōu)解的能力，本文對基于輪盤賭選擇的標(biāo)準(zhǔn)遺傳算法 （SGA）和基于Boltzmann選擇的優(yōu)化遺傳算法 （BGA）進(jìn)行了比較測試。測試選取3個(gè)經(jīng)典的遺傳算法性能測試函數(shù)，這些測試函數(shù)都是既有全局解又有多個(gè)極值點(diǎn)的函數(shù)

其中，－2.048≤xi≤2.048，i＝1，2；該函數(shù)是二維單峰難以極小化的病態(tài)函數(shù)，函數(shù)最小值是0

其中，－3≤x1≤3，－2≤x2≤2，函數(shù)最小值是10.316

其中，－10≤xi≤10，i＝1，2，函數(shù)最小值是186.731。

用SGA和BGA兩種遺傳算法，對以上的測試函數(shù)進(jìn)行100次計(jì)算，求出收斂值。其中，計(jì)算機(jī)的配置為Pentium（R）4微處理器，主頻為2.8GHz，內(nèi)存容量為1.5G。遺傳參數(shù)設(shè)置：種群規(guī)模為60，最大迭代次數(shù)100，交叉率0.8，變異率0.05。計(jì)算結(jié)果見表1和表2。表中結(jié)果都是平均值，收斂時(shí)間單位為s。

表1 SGA測試函數(shù)時(shí)的性能比較

表2 BGA測試函數(shù)時(shí)的性能比較

由表1和表2可知，BGA遺傳算法雖然在收斂時(shí)間開銷上比SGA遺傳算法有所增加，但是成功的收斂次數(shù)多，提高了算法的收斂率，而且收斂的極值更加接近理論計(jì)算得到的函數(shù)值，收斂的穩(wěn)定性較好，從而很好的避免了遺傳算法陷入早熟的問題。

此外，我們對BGA遺傳算法和A＊算法在游戲設(shè)計(jì)中的應(yīng)用效果進(jìn)行了比較。圖3和圖4是某次設(shè)定的兩點(diǎn)最短路徑搜索效果示意，顯然，BGA遺傳算法優(yōu)于A＊算法尋找到的路徑。由于搜索速度快，A＊算法在游戲設(shè)計(jì)中廣泛采用；但是，A＊算法不能回溯，不一定能夠找到最短路徑，表現(xiàn)在游戲中就是非玩家角色易走錯(cuò)路、亂跑、行為飄忽和繞圈子等。相反，BGA遺傳算法則能保證較高的最短路徑搜索成功率，非玩家角色能智能地找到主角位置，增加了游戲的真實(shí)感體驗(yàn)。雖然在時(shí)間開銷方面，BGA遺傳算法搜索速度遜于A＊算法，但由于當(dāng)前嵌入式CPU的主頻極高，玩家體驗(yàn)不出這種時(shí)間開銷差別。綜合考慮，我們采用BGA遺傳算法作為基礎(chǔ)尋徑算法。

3 游戲引擎的設(shè)計(jì)與實(shí)現(xiàn)

3.1 游戲引擎設(shè)計(jì)框架

游戲引擎是一種中間件，它是依賴操作系統(tǒng)來控制硬件的。本文設(shè)計(jì)的游戲引擎LAndGame2D架構(gòu)在操作系統(tǒng)層之上，其主要包括圖形引擎、物理引擎、人工智能模塊，網(wǎng)絡(luò)模塊、音效模塊、工具模塊、事件處理模塊等等［11］，模塊結(jié)構(gòu)如圖5所示。

其中，游戲的核心類是為游戲提供框架，主要實(shí)現(xiàn)游戲邏輯類、流程控制類。人工智能模塊是提高游戲的智能，增加游戲的真實(shí)感體驗(yàn)。圖形引擎的功能是用于產(chǎn)生游戲角色及周邊場景的圖形，把讀取的所有數(shù)據(jù)及時(shí)轉(zhuǎn)化成屏幕顯示的圖形。物理引擎用于在游戲中準(zhǔn)確地實(shí)現(xiàn)物理模擬，通過剛體物體賦予真實(shí)的物理屬性的方式來計(jì)算運(yùn)動和碰撞。網(wǎng)絡(luò)模塊負(fù)責(zé)游戲的聯(lián)網(wǎng)對戰(zhàn)任務(wù)，管理游戲中所需要交互的數(shù)據(jù)的傳送工作。音效模塊主要處理播放聲音和聲音的管理功能。工具模塊是將游戲中常用的操作進(jìn)行封裝，如向量計(jì)算、定時(shí)器等。事件處理完成對用戶輸入操作進(jìn)行響應(yīng)和對游戲內(nèi)部事件處理的功能。

3.2 游戲引擎的實(shí)現(xiàn)

在游戲邏輯類的實(shí)現(xiàn)中，LAndGame2DActivity是游戲的主類和入口程序，將對整個(gè)游戲的生命周期進(jìn)行控制，同時(shí)還提供了事件處理函數(shù)。比如：處理按鍵、觸摸等。LAndGame2DActivity繼承了Android應(yīng)用框架提供的Activity類。流程控制類主要用于游戲狀態(tài)機(jī)制來控制不同界面之間的切換，狀態(tài)機(jī)制就是對游戲定義多個(gè)狀態(tài)，每一個(gè)狀態(tài)所顯示的界面都不同。游戲引擎框架中的流程控制類是LAndGame2DView，該類繼承自Android應(yīng)用開發(fā)框架層的SurfaceView類，SurfaceView類的實(shí)現(xiàn)原理是在繪圖之前必須使用lockCanvas方法鎖定畫布，得到畫布后在畫布上進(jìn)行繪制，繪制完成后使用unlockCanvasAndPost方法解鎖畫布，最后顯示到屏幕上。線程類使用run（）方法可以隨時(shí)監(jiān)聽事件的觸發(fā)，進(jìn)而改變狀態(tài)，更新界面顯示。監(jiān)視事件需要繼承SurfaceHolder.Callback接口增加回調(diào)函數(shù)。

人工智能模塊主要實(shí)現(xiàn)了基于Boltzmann選擇遺傳算法的尋徑算法、模糊邏輯和有限狀態(tài)機(jī)?；贐oltzmann選擇遺傳算法的尋徑算法實(shí)現(xiàn)步驟是首先為染色體進(jìn)行二進(jìn)制編碼。由于游戲地圖是由一些單元格組成，當(dāng)非玩家角色處在起始點(diǎn)時(shí)運(yùn)動方向有上、下、左和右4種選擇，因此需要用兩個(gè)比特表示這4種情況。見表3。

表3 路徑搜索的基因編碼

接著產(chǎn)生初始種群個(gè)體，設(shè)置遺傳算法的參數(shù)，測試每個(gè)染色體能使非玩家角色所能到達(dá)的最遠(yuǎn)位置距離目標(biāo)點(diǎn)的長度，即計(jì)算適應(yīng)度值。函數(shù)CalculateFitnessValue（）經(jīng)過計(jì)算會返回一個(gè)適應(yīng)度值，其中計(jì)算適應(yīng)度值的程序如下：

int dist＿x＝abs（npc＿x－end＿x）；

int dist＿y＝abs（npc＿y－end＿y）

第三，實(shí)驗(yàn)環(huán)境的搭建，需要進(jìn)行特征提取和篩選，建立一個(gè)良好的實(shí)驗(yàn)環(huán)境對圖像質(zhì)量的好壞有很大的作用，在拍照所選擇的相機(jī)鏡頭，拍照過程中的背景、燈光、相機(jī)的視場等，都會對最終農(nóng)產(chǎn)品的分類結(jié)果產(chǎn)生一定的影響，同時(shí)也要利用這個(gè)實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)驗(yàn)驗(yàn)證，因此搭建什么樣的實(shí)驗(yàn)環(huán)境是該設(shè)計(jì)中的一個(gè)重點(diǎn)和難點(diǎn)。

int dist＝dist＿x＋dist＿y；

return 1／（dist＋1）；

程序中dist＿x和dist＿y就是非玩家角色所在的位置相對于目標(biāo)點(diǎn)的水平和垂直偏離值。如果非玩家角色到達(dá)出口，則dist＿x＋dist＿y＝0。計(jì)算兩點(diǎn)間距離比較常用的方法是兩點(diǎn)間距離坐標(biāo)公式，但是為了優(yōu)化程序的性能，減小計(jì)算量，可以利用不需要開方和平方的蒙特卡羅距離計(jì)算兩點(diǎn)間距離。dist計(jì)算的就是蒙特卡羅距離。最后通過Boltzmann選擇選出參與交叉的兩個(gè)個(gè)體后，實(shí)現(xiàn)交叉和變異操作后得到新的染色體繼續(xù)加入新的群體，完成一次迭代過程。不斷重復(fù)以上過程直到非玩家角色到達(dá)目標(biāo)點(diǎn)。模糊實(shí)現(xiàn)了幾種歸屬函數(shù)，如布爾歸屬函數(shù)，三角形歸屬函數(shù)，梯形歸屬函數(shù)等。模糊處理定義了聯(lián)集、交集、補(bǔ)集操作。有限狀態(tài)機(jī)定義了一個(gè)簡單狀態(tài)機(jī)框架。

圖形引擎主要是負(fù)責(zé)地圖場景管理模塊的實(shí)現(xiàn)。地圖管理中的圖層對象由Layer類實(shí)現(xiàn)，Layer類封裝一個(gè)可視元素的位置、寬度、高度和可見性等信息。圖層不是每次顯示一個(gè)單個(gè)的圖像，而是顯示多個(gè)依次排列的圖像，當(dāng)創(chuàng)建圖層時(shí)，通過指定貼磚排列構(gòu)成圖層。圖層要求所有的貼磚圖像大小必須相同。當(dāng)布置貼磚柵格時(shí)，貼磚可以按任意的組合方式混合和匹配。

物理引擎是通過剛體物體賦予真實(shí)的物理屬性的方式來計(jì)算運(yùn)動和碰撞。本文設(shè)計(jì)的物理引擎主要提供碰撞檢測技術(shù)的功能。在游戲中實(shí)體對象的位置改變的情況下會發(fā)生碰撞，實(shí)現(xiàn)碰撞檢測主要包括：確定檢測對象、檢測是否碰撞、處理碰撞這3個(gè)方面。碰撞對象主要分為游戲?qū)嶓w對象之間的碰撞和游戲?qū)嶓w對象與環(huán)境之間的碰撞。

網(wǎng)絡(luò)模塊為游戲支持網(wǎng)絡(luò)服務(wù)。網(wǎng)絡(luò)連接主要分為互聯(lián)網(wǎng)和局域網(wǎng)，互聯(lián)網(wǎng)需要封裝Http協(xié)議，可以通過標(biāo)準(zhǔn)java接口實(shí)現(xiàn)Android游戲引擎的聯(lián)網(wǎng)操作，另外需要注意網(wǎng)絡(luò)通信的中文亂碼問題。局域網(wǎng)則主要封裝藍(lán)牙連接及傳輸數(shù)據(jù)的功能。

音效模塊提供對背景音效和動作音效的管理，其中包括音樂類型、當(dāng)前播放次數(shù)、音樂結(jié)束處理，循環(huán)播放音樂、音樂模式管理等函數(shù)。

事件處理模塊主要負(fù)責(zé)用戶和手機(jī)終端交互的處理，需要考慮到事件的類型、發(fā)起者、被發(fā)起者、事件參數(shù)等因素。當(dāng)一個(gè)事件被觸發(fā)時(shí)，發(fā)送消息給事件響應(yīng)者，事件響應(yīng)者收到消息后，根據(jù)消息的內(nèi)容來判斷處理相應(yīng)的事件。

4 應(yīng)用實(shí)例

在游戲引擎LAndGame2D完成的基礎(chǔ)上，本文利用該游戲引擎開發(fā)了一款飛行射擊游戲，該游戲運(yùn)行的流程圖如圖6所示。

圖6 游戲運(yùn)行流程

根據(jù)游戲流程圖將飛行射擊游戲劃分為5個(gè)模塊：

（1）移動模塊和炮彈生成模塊，完成飛機(jī)和炮彈的移動、生成功能，主要由圖形引擎中的人物顯示模塊完成。

（2）繪圖模塊，繪制游戲界面，主要由圖形引擎的場景繪制完成。

（3）碰撞檢測模塊，檢測炮彈和飛機(jī)之間以及飛機(jī)與飛機(jī)的之間的碰撞，主要由物理引擎完成。

（4）資源初始化模塊，初始化游戲數(shù)據(jù)，加載聲音、圖片資源，主要由游戲程序完成。

（5）游戲AI模塊，為了使生成的敵機(jī)更加智能，采用基于Boltzmann選擇的遺傳算法，使得游戲更加具有真實(shí)感。游戲中具體的編碼設(shè)計(jì)是：一個(gè)基因表示一幀時(shí)間內(nèi)敵機(jī)的移動方向?；蜷L度限制在m＝60以內(nèi)，對于每秒刷新30幀的游戲，在2秒內(nèi)，敵機(jī)的運(yùn)行軌跡都是精確模擬的。適應(yīng)度評估將精確模擬2秒內(nèi)飛機(jī)的移動判斷飛機(jī)的生存概率，粗略評估2秒之后的生存概率。經(jīng)過迭代得到飛機(jī)最佳的運(yùn)行路徑，從而敵機(jī)更加難以擊落，增加游戲的可玩性。飛行射擊游戲的界面如圖7所示。

圖7 飛行游戲界面

由此可見，利用LAndGame2D開發(fā)一款游戲，游戲開發(fā)人員只要集中精力設(shè)計(jì)游戲的創(chuàng)意、美工及資源即可，其余工作可以利用游戲引擎完成，這樣就能提高游戲的開發(fā)效率，縮短開發(fā)和推出市場的周期，降低游戲開發(fā)的難度。

5 結(jié)束語

本文實(shí)現(xiàn)了一個(gè)基于Android操作系統(tǒng)的游戲引擎LAndGame2D，包含的子系統(tǒng)模塊有圖形引擎、物理引擎、人工智能模塊，網(wǎng)絡(luò)模塊、音效模塊、工具模塊、事件處理模塊，這些模塊具有很高的靈活性和擴(kuò)展性，特別是基于Boltzmann選擇遺傳算法上實(shí)現(xiàn)的人工智能模塊，能夠明顯提高非玩家角色的智能，增加了游戲的真實(shí)感體驗(yàn)。利用LAndGame2D開發(fā)的幾款游戲能夠在Android模擬機(jī)仿真運(yùn)行及真機(jī)運(yùn)行，游戲運(yùn)行流暢，效果令人滿意。

［1］RAN Jing.Analysis and design of 2Dmobile game engine based on J2ME ［D］.Chengdu：Southwest Jiaotong University，2007：1－82 （in Chinese）.［冉靜.基于J2ME的2D手機(jī)游戲引擎的分析與設(shè)計(jì) ［D］.成都：西南交通大學(xué)，2007：1－82.］

［2］Eva Hudlicka.Affective game engines：Motivation and requirements ［C］／／Proceedings of the 4th International Conference on Foundations of Digital Games.New York，USA：ACM，2009：299－306.

［3］CHEN Song.Design of graphic engine based on changeable angle ［J］.Computer Science，2006，33 （11）：240－242 （in Chinese）.［陳松.基于斜視角可變的游戲引擎設(shè)計(jì) ［J］.計(jì)算機(jī)科學(xué)，2006，33 （11）：240－242.］

［4］Eike F A，Steffen E，Peter C.The case for research in game engine architecture ［C］／／Proceedings of the Conference on Future Play：Research，Play，Share.New York，USA：ACM，2008：228－231.

［5］Frederick W B，Rynson W H，Danny K.Game－on－demand：An online game engine based on geometry streaming ［J］.ACM Transactions on Multimedia Computing，Communications，and Applications，2011，7 （3）：118－131.

［6］LIN Dubin，LI Xin.Improved A＊path－finding algorithm based on DEM－grid［J］.Computer Engineering and Design，2011，33（10）：3414－3418 （in Chinese）.［林篤斌，李欣.基于 DEM格網(wǎng)的改進(jìn)型A＊路徑搜索算法 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，33 （10）：3414－3418.］

［7］LI Hongbo，WU Yuxin，ZHAO Kuan.Survey of research and application of 3Dgame engine technology on android platform［J］.Digital Communication，2012，10：28－33 （in Chinese）.［李紅波，吳雨芯，趙寬.Android平臺下3D游戲引擎技術(shù)的研究及應(yīng)用綜述 ［J］.數(shù)字通信，2012，10：28－33.］

［8］Peker G A，Can T.A design goal and design pattern based approach for development of game engines for mobile platforms［C］／／Proceedings of the 16th International Conference on Computer Games.Washington，USA：IEEE Computer Society，2011：114－120.

［9］DING Haijun，F(xiàn)ENG Qingxian.Artificial bee colony algorithm based on Boltzmann selection policy ［J］.Computer Engineering and Applications，2009，45 （3）：53－55 （in Chinese）.［丁海軍，馮慶嫻.基于Boltzmann選擇策略的人工蜂群算法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45 （3）：53－55.］

［10］ZHAO Xiaoqiang，ZHANG Shouming.Boltzmann selectionbased KFCM algorithm incorporated with artificial bee colony algorithm ［J］.Journal of Lanzhou University of Technology，2011，37 （1）：71－75 （in Chinese）.［趙小強(qiáng)，張守明.基于Boltzmann選擇的人工蜂群KFCM算法 ［J］.蘭州理工大學(xué)學(xué)報(bào)，2011，37 （1）：71－75.］

［11］REN Wei.An application of artificial intelligence in computer game software ［D］.Xi’an：Xi’an University of Electronic Science and Technology，2006：1－66 （in Chinese）.［任巍.人工智能技術(shù)在計(jì)算機(jī)游戲軟件中的應(yīng)用 ［D］.西安：西安電子科技大學(xué)，2006：1－66.］