
Тип работы:	Предмет:	Язык работы:

Разработка алгоритма имитирующего поведение объекта в среде unity3D

Работа №	18970
Тип работы	Бакалаврская работа
Предмет	информационные системы
Объем работы	45
Год сдачи	2018
Стоимость	5900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	684

Не подходит работа?

Узнай цену на написание

Содержание

Введение
1 Обзор и анализ существующих алгоритмов и их способов модернизации ..
1.1 Обзор и анализ алгоритмов
Алгоритм Дейкстры
Алгоритм Беллмана-Форда
Алгоритм поиска А*
Алгоритм Флойда-Уоршелла
Алгоритм Ли (волновой)
1.2 Обзор модернизации алгоритма
Модернизация алгоритма Дейкстры
Многоуровневые корзины
Калибровка
Двунаправленный поиск
Модернизация алгоритма A*
Двунаправленный A*
Модернизация волнового алгоритма
Метод путевых координат
Кодирование по модулю 3
Метод Акерса
Вывод по главе 1
2 Разработка концепции на основе априорной информации
Заключение
Список использованных источников
Приложение А
Приложение Б

Введение

Разработка алгоритмов, имитирующих поведение объекта, началось с момента создание ЭВМ. С появлением электронных вычислительных машин, обладающих высокой производительностью, стали возникать первые попытки создания искусственного интеллекта. Сегодняшнее состояние исследований в этой области можно охарактеризовать словами одного из специалистов в области искусственного интеллекта, Н.Г. Загоруйко: «Дискуссии на тему «Может ли машина мыслить?» уже давно сошли со страниц газет и журналов. Скептики устали ждать, когда же сбудутся обещания энтузиастов. А энтузиасты без лишних разговоров, небольшими шагами продолжают двигаться в направлении горизонта, за которым они надеются увидеть искусственного со¬брата по разуму».
На данном этапе ученые сделали большой шаг в развитии искусственного интеллекта. Сейчас в нашей жизни почти на каждом шагу можно встретить предметы быта в которых есть небольшая частичка интеллекта, будь то машина, смартфон или даже дом.
Целью данного проекта является создание алгоритма, который позволит находить выход из лабиринта.
Задачи, требующие решения в рамках достижения поставленной цели:
- обзор и анализ существующих алгоритмов и способов их модернизации;
- разработка концепции на основе априорной информации.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В процессе проектирования данного программного продукта были решены все задачи, а именно в первой главе:
1) Проанализированы алгоритмы поиска кратчайшего пути
2) Изучены оценочные функции
3) Был проведён подробный обзор методов улучшения алгоритмов;
4) Сделан выбор алгоритма для создания своего проекта
Во второй главе:
1) Спроектирован и описан функционал программы.
В ходе работы были получены навыки программирования под unity, также получены знания по алгоритмам поиска кратчайшего пути.

Литература

1. JavaScript для профессионалов. / Д. Резиг, Р. Фергюсон, Д. Пакстон - Москва.: Вильямс, 2016 - 242 с.
2. Закас, Н. JavaScript для профессиональных веб-разработчиков. / Н. Закас - Санкт-Петербург.: Питер, 2015 - 960 с.
3. Перфильев Д.А. Методы поиска: учебное пособие [Электронный ресурс] // Электронный образовательный курс. - Режим доступа: https://e.sfukras.ru.
4. C Sharp [Электронный ресурс]. // Wikipedia. - Режим доступа: https://ru.wikipedia.Org/wiki/C Sharp (дата обращения: 05.12.2017).
5. MonoDevelop [Электронный ресурс]. // Unity | Documentation. - Режим доступа: https://docs.unity3d.com/ru/current/Manual/MonoDevelop.html
(дата обращения: 20.05.2018).
6. Polana, R. Temporal texture and activity recognition / R. Polana, R. C. Nelson // Motion-Based Recognition. - 1997. - Chapter 5. - Pp. 87 — 115.
7. Dollar, P. Behavior recognition via sparse spatio-temporal features / P. Dollar, V. Rabaud, G. Cottrell, S. Belongie // 14th International Conference on Computer Communications and Networks, IEEE Computer Society. - 2005. - Pp. 65 — 72.
8. Dubois, S. A comparison of wavelet based spatio-temporal decomposition methods for dynamic texture recognition / S. Dubois, R. Peteri, M. Menard // 4th Iberian Conference on Pattern Recognition 329 and Image Analysis. - 2009. - Pp. 314 — 321.
9. Zhong, H. Detecting unusual activity in video / H. Zhong, J. Shi, M. Visontai // IEEE Conference on Computer Vision and Pattern Recognition. - 2004. - Pp. 819 — 826.
10. Chan, A. B. Layered dynamic textures / A. B. Chan, N. Vasconcelos // IEEE Trans. Pattern Analysis and Machine Intelligence. - 2009. No. 31 (10). - Pp. 1862 — 1879.
11. Goncalves, W. N. Dynamic texture analysis and segmentation using deterministic partially self-avoiding walks / W. N. Goncalves, O. M. Bruno // Expert Systems with Applications. - 2013. - No.40 (11). - Pp. 4283 — 4300.
12. Doretto, G. Dynamic textures / G. Doretto, A. Chiuso, Y. N. Wu, S. Soatto // International Journal of Computer Vision. - 2003. - No. 51 (2). - Pp. 91 — 109.
13. Fujii, M. Feature extraction of temporal texture based on spatiotemporal motion trajectory / M. Fujii, T. Horikoshi, K. Otsuka, S. Suzuki // ICPR - 1998. - No. 362. - Vol. 2. - Pp. 1047 — 1051.