现今,游戏产业的快速发展带动了游戏中人工智能的发展,越来越多的游戏采用人工智能技术提高游戏的可玩性。大部分游戏在开发过程中都会遇到路径探索问题,快速、准确地计算出游戏角色的寻路,一直是游戏开发者追求的目标,同时也是游戏人工智能研究的一个重要方面。本文在实现flash游戏的基础,阐述了常用搜索算法在游戏寻路中的优缺点,并且应用神经网络模型实现即时战略游戏的寻路。本论文首先针对路径搜索的特点,在对常见搜索算法A*和启发式搜索技术进行详细地分析与研究的基础之上,结合实际游戏中的应用情况,将A*算法应用于flash游戏中的寻路,并在此基础上分析出A*算法在游戏应用上的一些缺点。然后用遗传算法优化调整神经网络的权值,将优化所得参数作为神经网络的初始权值。这种针对神经网络的结构特点,用遗传算法训练优化网络权重,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力,并且可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。并将演化后的神经网络应用于游戏寻路,从而达到动态寻路的预期效果。最后用Visual Basic 6.0实现了游戏模拟系统,该系统用户界面友好,使用方便。