人工智能游戲編程真言

第1章 通用智能
1.1 智能游戲的變革
1.2 智能的幻覺
1.3 解決正確的問題
1.4 實戰(zhàn)中的12個訣竅
第2章 實有技術(shù)和專用系統(tǒng)
2.1 創(chuàng)建人工智能調(diào)試工具包
2.2 通用觸發(fā)器系統(tǒng)
2.3 基于數(shù)據(jù)驅(qū)動體系結(jié)構(gòu)的動畫選擇
2.4 基于優(yōu)先級和分類動畫的真實角色行為
2.5 有限狀態(tài)機圖形化開發(fā)工具
2.6 響應曲線的應用
2.7 用于三維場景地形的簡單有效的視線算法
2.8 一個開放源碼的模糊邏輯庫
第3章 A*路徑搜索
3.1 A*路徑搜索基礎
3.2 能用A*路徑搜索
3.3 設計路徑搜索的體系結(jié)構(gòu)
3.4 如何實現(xiàn)閃電般快速的A*
3.5 A*路徑生成的實用優(yōu)化技術(shù)
第4章 路徑搜索與運動
4.1 簡單低耗的路徑搜索
4.2 開放式地形導航的預處理解法
4.3 建立接近最優(yōu)的導航網(wǎng)格
4.4 導航點間的真實轉(zhuǎn)向
4.5 門、升降機、壁架及各種障礙物的導航
4.6 另一種群聚方法：簡化集群技術(shù)
第5章 戰(zhàn)術(shù)問題和智能的群體運動
5.1 利用導航點的戰(zhàn)略戰(zhàn)術(shù)推理
5.2 考慮戰(zhàn)略部署：向敵人出擊
5.3 分隊戰(zhàn)術(shù)：團隊AI和自發(fā)行動
5.4 分隊戰(zhàn)術(shù)：有計劃地行動
5.5 采用指揮等級的戰(zhàn)術(shù)的團隊人工智能
5.6 編隊
第6章 通用智能游戲架構(gòu)
6.1 設計游戲中的人工智能
6.2 一個采用優(yōu)先級排序任務分類的高效人工智能架構(gòu)
6.3 一個基于負荷平衡的架構(gòu)
6.4 基于規(guī)則架構(gòu)的一個簡單推論機
6.5 實現(xiàn)一種狀態(tài)機語言
6.6 以消息增強狀態(tài)機語言
第7章 決策體系結(jié)構(gòu)
7.1 黑板體系結(jié)構(gòu)
7.2 貝葉斯網(wǎng)絡與非確定性推理
7.3 基于Dempster-Shafer理論的規(guī)則體系結(jié)構(gòu)
7.4 決策支持優(yōu)化模糊邏輯體系結(jié)構(gòu)
7.5 一個靈活的基于目標的規(guī)劃體系結(jié)構(gòu)
第8章 FPS、RTS和RPG游戲中的智能
8.1 第一個稱射擊游戲的智能體系結(jié)構(gòu)
8.2 實時戰(zhàn)略游戲的智能體系結(jié)構(gòu)
8.3 RTS游戲中目標指引推理的經(jīng)濟學方法
8.4 長距離武器作戰(zhàn)的基礎
8.5 角色扮演游戲中的層次化人工智能
8.6 基于事件知識的動態(tài)名譽系統(tǒng)
第9章 競賽與運動智能
9.1 智能賽道的表示
9.2 智能競賽邏輯
9.3 訓練AI參加比賽
9.4 開放式街道環(huán)境下的競爭智能競賽
9.5 用作重放的智能相機
9.6 模擬真實動物的行為
9.7 用于棒球的有限狀態(tài)機中的協(xié)同智能體
9.8 截球
第10章 腳本語言
10.1 腳本：概述以及代碼生成
10.2 腳本：翻譯引擎
10.3 腳本：系統(tǒng)集成
10.4 為非程序員開發(fā)腳本語言
10.5 對未定義環(huán)境編寫腳本
10.6 AI腳本語言的危險
10.7 為什么不實現(xiàn)基本的腳本語言
第11章 學習理論
11.1 學習與適應
11.2 學習的多樣性
11.3 GoCap：游戲觀測捕捉
11.4 序列預測的模式識別
11.5 使用N元文法的統(tǒng)計模型預測游戲者行為
11.6 實用自然語言學習
11.7 測試未定義行為作為學習的結(jié)果
11.8 通過神經(jīng)網(wǎng)絡模擬行為的隨機變化
11.9 遺傳算法：進化出完美的洞穴巨人
11.10 神經(jīng)網(wǎng)絡的魔法