人工智能與游戲

定　價：￥89.00

作　者：	[希] 喬治斯·N.揚納卡斯基（Georgios N.Yannakakis）著，盧俊楷譯
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥89.00)

ISBN：	9787111635277	出版時間：	2020-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	284	字數(shù)：

內(nèi)容簡介

　　《人工智能與游戲》是首本致力于解釋人工智能（AI）技術(shù)如何被用于游戲內(nèi)與游戲上的教材。在導論章節(jié)結(jié)束后，《人工智能與游戲》介紹了AI與游戲中的背景技術(shù)與關(guān)鍵技術(shù)，以及Al如何被用于玩游戲、被用于為游戲生成內(nèi)容以及為玩家進行建模?！度斯ぶ悄芘c游戲》適用于人工智能、游戲設(shè)計、人機交互和計算智能的本科和研究生課程，也適合工業(yè)界中的游戲開發(fā)人員和從業(yè)人員用于自學?！度斯ぶ悄芘c游戲》作者開發(fā)了一個網(wǎng)站（http：//gameaibook.org），這個網(wǎng)站為《人工智能與游戲》所涉及的材料進行了補充，包括新的練習、講義幻燈片和閱讀材料。

作者簡介

　　Georgios N.Yannakakis，馬耳他大學（UoM）電子游戲?qū)W院副教授。他于2006年在愛丁堡大學取得信息學博士學位。他曾擔任哥本哈根IT大學計算機游戲研究中心的副教授。他的研究主要集中在游戲領(lǐng)域中的Al、計算創(chuàng)意、情感計算以及人機交互。他在上述領(lǐng)域中發(fā)表了超過200篇期刊論文與會議論文，他的研究也受到了多項國家基金與歐盟基金的支持，并且發(fā)表在《Science Magazine》與《NewScientist》中。他是IEEE Trans．onComputational Intelligence and AI InGames的副主編，并曾經(jīng)是IEEE Trans. onAffective Computing （2009-2016）的副主編。他是一些重要會議的主席，例如IEEECIG （Computational Intelligence andGames）與Foundations of Digital Games（FDG）。Julian Togelius，紐約大學計算機科學與工程系副教授，紐約大學游戲創(chuàng)新實驗室共同指導者。他曾擔任哥本哈根IT大學計算機游戲研究中心的副教授。他的工作針對計算智能與游戲的所有方面，以及進化計算與進化強化學習的部分方面。他當前的主要研究方向涉及基于搜索的程序化內(nèi)容生成、借助玩家建模的游戲調(diào)節(jié)、自動游戲設(shè)計，以及相關(guān)的以競賽形式開展的游戲AI基準。他目前擔任IEEE Transactionson Games的首席編輯。

圖書目錄

譯者序
原書序
原書前言
原書致謝
配套網(wǎng)站

第一部分背景
第1章導論
1．1 關(guān)于本書
1．1．1 我們?yōu)楹尉帉懕緯?
1．1．2 誰應(yīng)當閱讀本書
1．1．3 術(shù)語的簡短說明
1．2 AI與游戲簡史
1．2．1 學術(shù)界
1．2．2 工業(yè)界
1．2．3 分歧
1．3 為什么使用游戲來研究AI
1．3．1 游戲是一個困難與有趣的問題
1．3．2 豐富的人機交互
1．3．3 游戲是流行的
1．3．4 對所有AI領(lǐng)域的挑戰(zhàn)
1．3．5 游戲是AI的長遠目標的最佳實現(xiàn)
1．4 為什么需要游戲中的AI
1．4．1 AI體驗并且改善你的游戲
1．4．2 更多的內(nèi)容、更好的內(nèi)容
1．4．3 玩家體驗與行為動作分析
1．5 本書結(jié)構(gòu)
1．5．1 本書中覆蓋（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 學習=最大化效用（表示）
2．2 特定行為編輯
2．2．1 有限狀態(tài)機
2．2．2 行為樹
2．2．3 基于效用的AI
2．2．4 進階閱讀
2．3 樹搜索
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 蒙特卡羅樹搜索
2．3．5 進階閱讀
2．4 進化計算
2．4．1 局部搜索
2．4．2 進化算法
2．4．3 進階閱讀
2．5 監(jiān)督學習
2．5．1 人工神經(jīng)網(wǎng)絡(luò)
2．5．2 支持向量機
2．5．3 決策樹學習
2．5．4 進階閱讀
2．6 強化學習
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 進階閱讀
2．7 無監(jiān)督學習
2．7．1 聚類
2．7．2 頻繁模式挖掘
2．7．3 進階閱讀
2．8 知名的混合算法
2．8．1 神經(jīng)進化
2．8．2 帶有人工神經(jīng)網(wǎng)絡(luò)函數(shù)逼近器的時序差分學習
2．8．3 進階閱讀
2．9 總結(jié)
……

第二部分在游戲中使用AI的方式
第三部分未來之路
附錄
參考文獻