Unity人工智能實戰（原書第2版） ( 簡體 字) |
| 作者：豪爾赫·帕拉西奧斯(Jorge Palac | 類別：1. -> 多媒體 -> 遊戲引擎 -> Unity |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 53911
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：1/1/2021 |
| 頁數：222 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111670360 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書將介紹構建強大的AI的工具，既可以創建更聰明的敵人，改進大 boss，也可以構建自訂的AI引擎。本書旨在成為使用Unity開發人工智慧技術的一站式參考。首先，你將快速流覽在遊戲環境中使用agent、程式設計移動以及導航的基本構建模組。接下來，你將通過實例學習如何使用簡單的自訂技術改進agent的決策制定和協調機制。然後，你將學習如何類比agent的視覺和聽覺，用於自然和擬人的AI行為，再用圖結構改進agent。本書還涵蓋了新的導航網格技術，這項技術在Unity 2018中引入，改良了AI和路徑查找工具。你還可以用決策制定技術加強AI，運用于簡單的諸如井字棋和跳棋的棋類遊戲，以及安排agent之間的協作，使它們像整體一樣工作。 |
目錄：第1章 行為——智慧移動 1
1.1 簡介 1
1.2 創建行為範本 2
1.3 追趕和逃跑 4
1.4 為物理引擎調整agent 6
1.5 到達和離開 8
1.6 朝向物體 10
1.7 徘徊 12
1.8 按路徑移動 14
1.9 避開agent 18
1.10 避開牆體 20
1.11 通過權重混合多個行為 21
1.12 通過優先順序混合多個行為 22
1.13 射擊拋射體 24
1.14 預測拋射體的著地點 26
1.15 鎖定拋射體 27
1.16 創建跳躍系統 28
第2章 導航 32
2.1 簡介 32
2.2 用網格表示世界 33
2.3 用可視點法表示世界 41
2.4 用自製的導航網格表示世界 44
2.5 用深度優先搜索在迷宮中找到出路 47
2.6 用廣度優先搜索在網格中找到最短路徑 49
2.7 用迪傑斯特拉演算法找到最短路徑 50
2.8 用A*找到最優路徑 53
2.9 改進A*演算法的記憶體佔用：IDA* 56
2.10 在多個幀中規劃導航：時間片搜索 58
2.11 使路徑變得平滑 60
第3章 決策制定 62
3.1 簡介 62
3.2 通過決策樹做選擇 62
3.3 實現有限狀態機 65
3.4 改進有限狀態機：分層的有限狀態機 67
3.5 實現行為樹 69
3.6 使用模糊邏輯 71
3.7 用面向目標的行為制定決策 74
3.8 實現黑板架構 76
3.9 嘗試Unity的動畫狀態機 78
第4章 新的NavMesh API 84
4.1 簡介 84
4.2 初始化NavMesh開發元件 84
4.3 創建和管理NavMesh，用於多種類型的agent 86
4.4 在運行時創建和更新NavMesh資料 89
4.5 控制NavMesh實例的生命週期 90
4.6 連接多個NavMesh實例 92
4.7 創建動態的帶有障礙物的NavMesh 93
4.8 用NavMesh API實現某些行為 94
第5章 協作和戰術 97
5.1 簡介 97
5.2 管理隊形 98
5.3 擴展A*演算法用於協作：A* mbush 102
5.4 用高度分析路徑點 105
5.5 用覆蓋性和可見性分析路徑點 106
5.6 自動化創建路徑點 107
5.7 將路徑點作為示例用於決策制定 110
5.8 實現勢力圖 111
5.9 用淹沒圖改進勢力圖 114
5.10 用卷積濾波器改進勢力圖 118
5.11 構建戰鬥迴圈 120
第6章 agent感知 128
6.1 簡介 128
6.2 基於碰撞系統的視覺函數 128
6.3 基於碰撞系統的聽覺函數 130
6.4 基於碰撞系統的嗅覺函數 133
6.5 基於圖的視覺函數 136
6.6 基於圖的聽覺函數 138
6.7 基於圖的嗅覺函數 140
6.8 在潛行遊戲中創建感知 141
第7章 棋類遊戲和應用的搜索AI 148
7.1 簡介 148
7.2 使用博弈樹類 148
7.3 實現Minimax演算法 150
7.4 實現Negamax演算法 152
7.5 實現AB Negamax演算法 154
7.6 實現Negascout演算法 156
7.7 實現井字遊戲對手 158
7.8 實現跳棋遊戲對手 161
7.9 用UCB1實現石頭剪刀布AI 171
7.10 實現無悔匹配演算法 175
第8章 機器學習 178
8.1 簡介 178
8.2 使用N元語法預測器預測行動 178
8.3 改進預測器：分層的N元語法 181
8.4 學習使用樸素貝葉斯分類器 182
8.5 實現強化學習 184
8.6 實現人工神經網路 188
第9章 程式化內容生成 192
9.1 簡介 192
9.2 用深度優先搜索創建迷宮 192
9.3 為地下城和群島實現可構造演算法 195
9.4 生成風景 199
9.5 使用N元語法生成內容 201
9.6 用進化演算法生成敵人 204
第10章 其他 209
10.1 簡介 209
10.2 創建和管理可編寫腳本的物件 209
10.3 更好地處理亂數 211
10.4 構建空氣曲棍球遊戲對手 213
10.5 實現競速遊戲架構 218
10.6 使用橡皮筋系統管理競速難度 220 |
| 序： |
