目录 2
第一部分 概述 2
第1章 电脑游戏中的人工智能 2
1.1 人工智能概述 2
1.2 电脑游戏与人工智能 4
1.3 游戏人工智能的现状 4
1.4 设计人员与人工智能 5
1.5 游戏编程中的人工智能 7
第2章 智能设计 8
2.1 工程师的观点 8
2.2 传统方法 8
2.3 现代方法 9
2.4 所需的背景 15
2.5 人工智能开发过程 16
2.6 总结 17
3.1 定义 18
第3章 反应式方法 18
3.2 行为：规划与反应 19
3.3 游戏开发中的反应式技术 21
3.4 体系结构 22
3.5 总结 25
第4章 FEAR：实验用平台 26
4.1 技术概观 26
4.2 外部接口 27
4.4 灵活的结构 28
4.3 模块 28
4.5 创建一个仿生机器人 29
4.6 总结 29
第二部分 移动 33
第5章 游戏世界中的移动 33
5.1 环境和空间 33
5.2 游戏世界的类型 34
5.3 处理移动 37
5.4 假设 37
5.5 测试条件 38
5.6 总结 38
第6章 移动能力 39
6.1 导航的技巧 39
6.2 游戏中的机器人和移动 40
6.3 仿生机器人的自主导航 41
6.4 运动的标准 41
6.5 实例研究 42
6.6 总结 43
第7章 分析和理解 44
7.1 整体概括 44
7.2 分析阶段 45
7.3 理解阶段 47
7.4 一般性的建议 48
7.5 总结 48
第8章 形式化运动 50
8.1 背景回顾 50
8.2 可行方案简述 51
8.3 合理化 53
8.4 建议规格书 54
8.5 总结 55
第9章 规格书和知识表达 56
9.1 正式规格书的概述 56
9.2 知识表达 57
9.3 知识表达形式 57
9.4 规范过程 59
9.5 讨论 61
9.6 总结 62
第10章 操纵行为躲避障碍物 63
10.1 人工生命概述 63
10.2 算法 65
10.3 最初草稿 65
10.4 评估 68
10.5 总结 69
11.1 背景 70
第11章 基于规则的系统 70
11.2 组件概述 71
11.3 理论和知识 76
11.4 讨论 78
11.5 总结 80
第12章 通过基于规则的系统合成运动 81
12.1 案例研究 81
12.2 理论基础 82
12.3 基于规则的系统的模块化设计 83
12.4 实现 85
12.5 应用 86
12.6 评估 87
12.7 总结 88
结论 89
一、整体回顾 89
二、展望 89
13.1 军械库 93
第三部分 学习射击 93
第13章 战斗设置 93
13.2 武器的必要条件 94
13.3 环境条件 95
13.4 培训区 95
13.5 总结 95
第14章 玩家的射击技能 97
14.1 战斗的技巧 97
14.2 游戏技能 98
14.3 射击的评价标准 99
14.4 案例研究 100
14.5 总结 100
第15章 射击 102
15.1 背景 102
15.2 可选择情况概述 103
15.3 合理化过程 104
15.4 建议规格书 105
15.5 总结 106
第16章 预测的物理学知识 108
16.1 基础知识 108
16.2 理想的交点 109
16.3 预测行为 110
16.4 仿真算法 111
16.5 实验 112
16.6 评估 113
16.7 总结 113
第17章 感知器 114
17.1 感知器的历史 114
17.2 模型概要 115
17.3 仿真 116
17.4 最优化技术介绍 118
17.5 感知器权值的优化 123
17.6 训练过程 125
17.7 图形解释 128
17.8 总结 129
第18章 处理瞄准过程中的误差 130
18.1 动量和摩擦 130
18.2 处理误差 132
18.3 评价 134
18.4 总结 134
第19章 多层感知器 135
19.1 感知器的发展历史 135
19.2 模型综述 135
19.3 模拟仿真 139
19.4 相关的生物学技术 139
19.5 训练算法 141
19.6 实际问题 147
19.8 总结 149
19.7 讨论 149
第20章 选择目标 151
20.1 案例研究 151
20.3 模块化设计 152
20.2 基本原理 152
20.4 实现 153
20.5 应用 154
20.7 总结 157
20.6 评估 157
21.1 黑盒理解 158
第21章 问题的知识 158
21.2 基本知识 160
21.3 基本理解 162
21.4 提炼问题 164
21.5 方法论 165
21.6 总结 167
结论 169
一、总回顾 169
二、展望 170
第22章 战斗环境 173
22.1 武器属性 173
第四部分 武器的选择 173
22.2 武器的适用性 174
22.3 训练域 176
22.4 总结 176
第23章 武器的选择 178
23.1 请求选择 178
23.2 实际中的评估过程 179
23.3 武器选择的标准 180
23.4 案例研究 181
23.5 总结 181
24.1 草拟可能的选择 183
第24章 武器选择的定制 183
24.2 合理化 185
24.3 推荐的规范 185
24.4 总结 187
第25章 编制战术决策 188
25.1 脚本语言基础 188
25.2 使用脚本的武器选择 190
25.3 评估 193
25.4 总结 193
第26章 分类树和回归树 195
26.1 决策树的表示 195
26.2 分类与回归 198
26.3 树的引入 200
26.4 训练步骤 203
26.5 讨论 204
26.6 总结 204
第27章 得出武器评估 206
27.1 4种不同的方法 206
27.2 基本原理 208
27.3 模块设计 209
27.4 实现 210
27.5 应用 211
27.6 评估 214
27.7 总结 214
第28章 解决方案理解 216
28.1 解决方案的复杂性 216
28.2 搜寻空间 218
28.3 用不同的方法得到解决方案 220
28.4 总结 221
二、展望 222
一、概要回顾 222
结论 222
第五部分 使用物品和对象 225
第29章 分析与规范 225
29.1 场景中的对象 225
29.2 行为增强 226
29.3 规范 228
29.4 总结 229
30.1 集合逻辑的延伸 231
第30章 模糊逻辑 231
30.2 模糊表示法及变换 234
30.3 模糊逻辑 237
30.4 模糊控制与决策 238
30.5 讨论 242
30.6 总结 243
31.1 模糊变量和隶属函数 244
第31章 模糊系统增强移动行为 244
31.2 模糊规则 245
31.3 模块化设计 247
31.4 评价 249
31.5 总结 250
第32章 遗传算法 251
32.1 生物进化简介 251
32.2 遗传学及其表达 252
32.3 遗传算法 255
32.4 遗传算子及进化策略 259
32.5 高级问题 264
32.6 讨论 266
32.7 总结 267
第33章 学习分类器系统 268
33.1 分类器的表达 268
33.2 分类器系统概述 269
33.3 体系结构 269
33.4 讨论 272
33.5 总结 272
第34章 遗传算法的自适应防御策略 274
34.1 活动序列描述 274
34.3 演化概述 276
34.2 遗传算子 276
34.4 遗传算法的模块化设计 277
34.5 计算适应度 278
34.6 应用 278
34.7 评价 279
34.8 总结 280
第35章 设计学习人工智能 281
35.1 学习目的 281
35.2 学习方法 283
35.3 学习成份的多样性 284
35.4 学习行为的方法 286
35.5 总结 287
结论 288
一、回顾概述 288
二、展望 289
第36章 游戏人物情感 293
36.1 人类进化中的情感 293
第六部分 情感 293
36.3 从情感到人工智能 294
36.4 人机交互 294
36.2 情感的生物模型 294
36.5 游戏中的情感因素 295
36.7 总结 295
第37章 感觉、情感和感情 297
37.1 感觉 297
37.2 情感 298
37.3 情感交流界面 299
37.4 在游戏中描绘感情 300
37.5 总结 301
第38章 有限状态机 303
38.1 正式定义 303
38.2 表示和仿真 308
38.3 控制逻辑 309
38.4 最优化 311
38.5 讨论 312
38.6 总结 313
第39章 情感设计 314
39.1 人工情感的设计 314
39.2 有限状态的模块化开发 315
39.3 创建有限状态的情感 317
39.4 评估 319
39.5 总结 320
第40章 非确定性状态机 322
40.1 概述 322
40.2 模糊状态机 323
40.3 非确定性状态机 325
40.4 概率状态机 330
40.5 概要 332
第41章 层次状态机 333
41.1 概述 333
41.2 层次 334
41.3 交互语义学 336
41.4 讨论 339
41.5 总结 340
42.1 层次结构概述 342
42.2 感情建模 342
第42章 情感系统 342
42.3 改进后的感觉 344
42.4 聚积情感 345
42.5 用特殊习惯表现情感 346
42.6 心情体系结构 347
42.7 评价 348
42.8 总结 348
第43章 突发复杂度 349
43.1 突发的定义 349
43.2 突发行为 350
43.3 更智能的环境，更简单的行为 351
43.4 功能性突发 353
43.5 总结 354
结论 355
一、回顾总结 355
二、前景 356
44.1 游戏情形 359
第44章 制定战略决策 359
第七部分 动作选择 359
44.2 个人目标 360
44.3 战术行为 361
44.4 仿生机器人和决策制定过程 362
44.5 训练区域 362
44.6 总结 362
第45章 实施战术智能 364
45.1 构思战术行为 364
45.2 行为和归类体系结构 365
45.3 把归类思想运用到战术中 366
45.4 评价 367
45.5 总结 368
第46章 强化学习 369
46.1 定义强化理论 369
46.2 基本成分 373
46.3 强化型学习算法 377
46.5 讨论 382
46.4 高级问题 382
46.6 总结 383
第47章 学习反应式策略 385
47.1 按控制分解 385
47.2 自适应收集行为 386
47.3 模拟运动 387
47.4 学习射击方式 388
47.5 其他能力 389
47.6 评价 389
47.7 总结 390
第48章 自适应行为的处理 391
48.1 问题定义 391
48.2 可靠的软件工程 392
48.3 稳健设计 393
48.5 总结 394
48.4 方法 394
结论 396
一、回顾纲要 396
二、展望 396
第八部分 总结 398
第49章 游戏中的人工智能工程原理 398
49.1 体系结构 398
49.2 实现 399
49.3 各种技术及其适用性 400
49.4 学习和反馈机制 401
49.5 总结 402
第50章 未来之路 403
50.1 熟能生巧 403
50.2 关于世界模型 403
50.3 规划技术 404
50.4 拥抱新一代游戏人工智能 404