- 人工智能与游戏
- - 作者：(希)乔治斯·N.扬纳卡基斯//(美)朱利安·图吉利斯|责编:刘星宁|译者:卢俊楷//郑培铭
  - 出版社：机械工业
  - ISBN：9787111635277
  - 出版日期：2020/01/01
  - 页数：284
- 售价：35.6

内容大纲
本书是第一本致力于解释人工智能（AI）技术如何被用于游戏内与游戏上的教材。在导论章节结束后，本书介绍了AI与游戏中的背景技术与关键技术，以及AI如何被用于玩游戏、被用于为游戏生成内容以及为玩家进行建模。
本书适用于人工智能、游戏设计、人机交互和计算智能的本科和研究生课程，也适合工业界中的游戏开发人员和从业人员用于自学。本书作者开发了一个网站（http://www.gameaibook.org），这个网站为本书所涉及的材料进行了补充，包括最新的练习、讲义幻灯片和阅读材料。
作者介绍
目录
译者序
原书序
原书前言
原书致谢
配套网站
第一部分  背景
  第1章  导论
    1.1  关于本书
      1.1.1  我们为何编写本书
      1.1.2  谁应当阅读本书
      1.1.3  术语的简短说明
    1.2  AI与游戏简史
      1.2.1  学术界
      1.2.2  工业界
      1.2.3  分歧
    1.3  为什么使用游戏来研究AI
      1.3.1  游戏是一个困难与有趣的问题
      1.3.2  丰富的人机交互
      1.3.3  游戏是流行的
      1.3.4  对所有AI领域的挑战
      1.3.5  游戏是AI的长远目标的最佳实现
    1.4  为什么需要游戏中的AI
      1.4.1  AI体验并且改善你的游戏
      1.4.2  更多的内容、更好的内容
      1.4.3  玩家体验与行为动作分析
    1.5  本书结构
      1.5.1  本书中覆盖（以及未覆盖）的内容
    1.6  总结
  第2章  AI方法
    2.1  附注
      2.1.1  表示
      2.1.2  效用
      2.1.3  学习=大化效用（表示）
    2.2  特定行为编辑
      2.2.1  有限状态机
      2.2.2  行为树
      2.2.3  基于效用的AI
      2.2.4  进阶阅读
    2.3  树搜索
      2.3.1  非启发式搜索
      2.3.2  佳优先搜索
      2.3.3  极大极小
      2.3.4  蒙特卡罗树搜索
      2.3.5  进阶阅读
    2.4  进化计算
      2.4.1  局部搜索
      2.4.2  进化算法
      2.4.3  进阶阅读
    2.5  监督学习
      2.5.1  人工神经网络

      2.5.2  支持向量机
      2.5.3  决策树学习
      2.5.4  进阶阅读
    2.6  强化学习
      2.6.1  核心概念以及一种高层次的分类方法
      2.6.2  Q-Learning
      2.6.3  进阶阅读
    2.7  无监督学习
      2.7.1  聚类
      2.7.2  频繁模式挖掘
      2.7.3  进阶阅读
    2.8  知名的混合算法
      2.8.1  神经进化
      2.8.2  带有人工神经网络函数逼近器的时序差分学习
      2.8.3  进阶阅读
    2.9  总结
第二部分  在游戏中使用AI的方式
  第3章  玩游戏
    3.1  为什么使用AI来玩游戏
      3.1.1  扮演玩家角色来追求胜利
      3.1.2  扮演非玩家角色来追求胜利
      3.1.3  以体验为目标来扮演玩家角色玩游戏
      3.1.4  以体验为目标来扮演非玩家角色玩游戏
      3.1.5  关于AI在游戏过程中的目标与角色的总结
    3.2  游戏设计与AI设计上的各种考量
      3.2.1  各种游戏的特性
      3.2.2  AI算法设计的各种特性
    3.3  AI可以怎样地玩游戏
      3.3.1  基于规划的方法
      3.3.2  强化学习
      3.3.3  监督学习
      3.3.4  嵌合式游戏玩家
    3.4  AI可以玩什么游戏
      3.4.1  棋盘游戏
      3.4.2  卡牌游戏
      3.4.3  传统街机游戏
      3.4.4  策略游戏
      3.4.5  竞速游戏
      3.4.6  射击与其他第一人称游戏
      3.4.7  严肃游戏
      3.4.8  互动小说
      3.4.9  其他游戏
    3.5  进阶阅读
    3.6  练习
      3.6.1  为什么是吃豆小姐
    3.7  总结
  第4章  生成内容
    4.1  为何生成内容
    4.2  分类方法
      4.2.1  根据内容的分类方法

      4.2.2  根据方法的分类方法
      4.2.3  根据角色的分类方法
    4.3  如何生成内容
      4.3.1  基于搜索的方法
      4.3.2  基于求解器的方法
      4.3.3  基于文法的方法
      4.3.4  元胞自动机
      4.3.5  噪声与分型
      4.3.6  机器学习
    4.4  PCG在游戏中的角色
      4.4.1  混合主导的
      4.4.2  自主的
      4.4.3  体验主导的
      4.4.4  体验无关的
    4.5  有什么是可以被生成的
      4.5.1  关卡与地图
      4.5.2  视觉效果
      4.5.3  听觉效果
      4.5.4  叙事
      4.5.5  规则与机制
      4.5.6  游戏
    4.6  为内容生成器进行评估
      4.6.1  这为何很难
      4.6.2  函数与美学
      4.6.3  如何评估一个生成器
    4.7  进阶阅读
    4.8  练习
      4.8.1  迷宫生成
      4.8.2  平台关卡生成器
    4.9  总结
  第5章  玩家建模
    5.1  什么是玩家建模以及什么不是玩家建模
    5.2  为什么需要对玩家进行建模
    5.3  对各类方法的高层级分类法
      5.3.1  基于模型（自顶向下）的方法
      5.3.2  免模型（自底向上）的方法
      5.3.3  混合方法
    5.4  模型的输入是怎样的
      5.4.1  游戏玩法
      5.4.2  客观数据
      5.4.3  游戏环境
      5.4.4  玩家资料
      5.4.5  链接数据
    5.5  模型的输出是怎样的
      5.5.1  对行为进行建模
      5.5.2  为体验进行建模
      5.5.3  无输出
    5.6  如何对玩家进行建模
      5.6.1  监督学习
      5.6.2  强化学习

      5.6.3  无监督学习
    5.7  可以为何物建模
      5.7.1  玩家行为
      5.7.2  玩家体验
    5.8  进阶阅读
    5.9  练习
      5.9.1  玩家行为
      5.9.2  玩家体验
    5.10  总结
第三部分  未来之路
  第6章  游戏AI全景
    6.1  游戏AI的全景视角
      6.1.1  从方法（计算机）的角度出发
      6.1.2  从末端用户（人类）的角度出发
      6.1.3  从玩家-游戏交互的角度出发
    6.2  各个AI领域如何启发其他领域
      6.2.1  玩游戏
      6.2.2  生成内容
      6.2.3  为玩家建模
    6.3  前行之路
    6.4  总结
  第7章  游戏AI研究前沿
    7.1  通用对弈游戏AI
      7.1.1  通用游戏
      7.1.2  通用游戏生成与编排
      7.1.3  通用游戏情感循环
    7.2  在游戏中的其他角色
    7.3  道德上的考量
    7.4  总结
附录
  附录A  英文缩略语表
  附录B  游戏名称中英文对照表
  附录C  中英文术语对照表
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目