人工智能與游戲

譯者序
原書(shū)序
原書(shū)前言
原書(shū)致謝
配套網(wǎng)站

第一部分 背景
第1章 導(dǎo)論
1．1 關(guān)于本書(shū)
1．1．1 我們?yōu)楹尉帉?xiě)本書(shū)
1．1．2 誰(shuí)應(yīng)當(dāng)閱讀本書(shū)
1．1．3 術(shù)語(yǔ)的簡(jiǎn)短說(shuō)明
1．2 AI與游戲簡(jiǎn)史
1．2．1 學(xué)術(shù)界
1．2．2 工業(yè)界
1．2．3 分歧
1．3 為什么使用游戲來(lái)研究AI
1．3．1 游戲是一個(gè)困難與有趣的問(wèn)題
1．3．2 豐富的人機(jī)交互
1．3．3 游戲是流行的
1．3．4 對(duì)所有AI領(lǐng)域的挑戰(zhàn)
1．3．5 游戲是AI的長(zhǎng)遠(yuǎn)目標(biāo)的最佳實(shí)現(xiàn)
1．4 為什么需要游戲中的AI
1．4．1 AI體驗(yàn)并且改善你的游戲
1．4．2 更多的內(nèi)容、更好的內(nèi)容
1．4．3 玩家體驗(yàn)與行為動(dòng)作分析
1．5 本書(shū)結(jié)構(gòu)
1．5．1 本書(shū)中覆蓋（以及未覆蓋）的內(nèi)容
1．6 總結(jié)
第2章 AI方法
2．1 附注
2．1．1 表示
2．1．2 效用
2．1．3 學(xué)習(xí)=最大化效用（表示）
2．2 特定行為編輯
2．2．1 有限狀態(tài)機(jī)
2．2．2 行為樹(shù)
2．2．3 基于效用的AI
2．2．4 進(jìn)階閱讀
2．3 樹(shù)搜索
2．3．1 非啟發(fā)式搜索
2．3．2 最佳優(yōu)先搜索
2．3．3 極大極小
2．3．4 蒙特卡羅樹(shù)搜索
2．3．5 進(jìn)階閱讀
2．4 進(jìn)化計(jì)算
2．4．1 局部搜索
2．4．2 進(jìn)化算法
2．4．3 進(jìn)階閱讀
2．5 監(jiān)督學(xué)習(xí)
2．5．1 人工神經(jīng)網(wǎng)絡(luò)
2．5．2 支持向量機(jī)
2．5．3 決策樹(shù)學(xué)習(xí)
2．5．4 進(jìn)階閱讀
2．6 強(qiáng)化學(xué)習(xí)
2．6．1 核心概念以及一種高層次的分類方法
2．6．2 Q-Leaming
2．6．3 進(jìn)階閱讀
2．7 無(wú)監(jiān)督學(xué)習(xí)
2．7．1 聚類
2．7．2 頻繁模式挖掘
2．7．3 進(jìn)階閱讀
2．8 知名的混合算法
2．8．1 神經(jīng)進(jìn)化
2．8．2 帶有人工神經(jīng)網(wǎng)絡(luò)函數(shù)逼近器的時(shí)序差分學(xué)習(xí)
2．8．3 進(jìn)階閱讀
2．9 總結(jié)
……

第二部分 在游戲中使用AI的方式
第三部分 未來(lái)之路
附錄
參考文獻(xiàn)