人工智能与游戏

　　《人工智能与游戏》是首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，《人工智能与游戏》介绍了AI与游戏中的背景技术与关键技术，以及Al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。《人工智能与游戏》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。《人工智能与游戏》作者开发了一个网站（http：//gameaibook.org），这个网站为《人工智能与游戏》所涉及的材料进行了补充，包括新的练习、讲义幻灯片和阅读材料。

　　Georgios N.Yannakakis，马耳他大学（UoM）电子游戏学院副教授。他于2006年在爱丁堡大学取得信息学博士学位。他曾担任哥本哈根IT大学计算机游戏研究中心的副教授。他的研究主要集中在游戏领域中的Al、计算创意、情感计算以及人机交互。他在上述领域中发表了超过200篇期刊论文与会议论文，他的研究也受到了多项国家基金与欧盟基金的支持，并且发表在《Science Magazine》与《NewScientist》中。他是IEEE Trans．onComputational Intelligence and AI InGames的副主编，并曾经是IEEE Trans. onAffective Computing （2009-2016）的副主编。他是一些重要会议的主席，例如IEEECIG （Computational Intelligence andGames）与Foundations of Digital Games（FDG）。Julian Togelius，纽约大学计算机科学与工程系副教授，纽约大学游戏创新实验室共同指导者。他曾担任哥本哈根IT大学计算机游戏研究中心的副教授。他的工作针对计算智能与游戏的所有方面，以及进化计算与进化强化学习的部分方面。他当前的主要研究方向涉及基于搜索的程序化内容生成、借助玩家建模的游戏调节、自动游戏设计，以及相关的以竞赛形式开展的游戏AI基准。他目前担任IEEE Transactionson Games的首席编辑。

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=最大化效用（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 最佳优先搜索
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-Leaming
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
第三部分 未来之路
附录
参考文献