《Unity人工智能实战 原书第2版 》读书笔记思维导图

PPT书籍导读最新版本读书笔记模板《Unity人工智能实战原书第2版》最新版读书笔记，下载可以直接修改第章算法游戏行为简介路径创建图系统技术决策制定搜索内容点生成章世界碰撞网格本书关键字分析思维导图01第1章行为——智能移动第3章决策制定第5章协作和战术第2章导航第4章新的NavMeshAPI第6章agent感知目录030502040607第7章棋类游戏和应用的搜索AI第9章程序化内容生成第8章机器学习第10章其他目录0908010内容摘要第1章探究几个有趣的移动算法，这些算法基于CraigReynolds与IanMillington开发的转向行为（steeringbehavior)原则，是绝大多数高级游戏和其他一些依赖于移动的算法（比如寻路算法家族)的基础。第2章涵盖了用于导航复杂场景的寻路算法。该章包含一些使用不同的图结构来表示游戏世界的方法，以及几个用于寻路的算法，每种算法针对的场景有所不同。第3章解释不同的决策制定技术，这些技术能够灵活地适应不同类型的游戏，并且足够健壮地让我们构建模块化的决策制定系统。第4章揭示Unity5.6中引入的NavMeshAPI的内部原理，解释如何掌握NavMesh的强大之处，以及实时优化。第5章涉及几篇不同的教程，把不同的agent协调成一个整体，比如基于图表（如路径点和势力图)制定战术策略的编队技巧。第6章探究了几种在agent上模拟感官刺激的不同方式。我们将学习如何使用已知的工具来创建这些模拟器：碰撞器和图。第7章涵盖了用于开发棋类游戏的一个算法家族，以及创建AI的基于回合的游戏技术。第8章探索机器学习领域，该章是我们学习并将机器学习技术应用到游戏中的极好开端。第9章探究使用程序化内容生成来实现游戏可重玩性的几种不同技术。该章是生成不同类型的内容的指南。第10章介绍一些新技术，以及使用前几章中学过的算法创建不完全符合特定类别的新行为。第1章行为——智能移动书如其明，讲的主要是实战的例子。1.1简介1.2创建行为模板1.3追赶和逃跑1.4为物理引擎调整agent1.5到达和离开1.6朝向物体010302040506第1章行为——智能移动1.7徘徊1.8按路径移动1.9避开agent1.10避开墙体1.11通过权重混合多个行为1.12通过优先级混合多个行为010302040506第1章行为——智能移动1.13射击抛射体1.14预测抛射体的着地点1.15锁定抛射体1.16创建跳跃系统第1章行为——智能移动第2章导航2.1简介2.2用网格表示世界2.3用可视点法表示世界2.4用自制的导航网格表示世界2.5用深度优先搜索在迷宫中找到出路2.6用广度优先搜索在网格中找到最短路...010302040506第2章导航2.7用迪杰斯特拉算法找到最短路径2.8用A*找到最优路径2.9改进A*算法的内存占用：IDA*2.10在多个帧中规划导航：时间片搜索2.11使路径变得平滑12345第2章导航第3章决策制定3.1简介3.2通过决策树做选择3.3实现有限状态机3.4改进有限状态机：分层的有限状态机3.5实现行为树3.6使用模糊逻辑010302040506第3章决策制定3.7用面向目标的行为制定决策3.9尝试Unity的动画状态机3.8实现黑板架构第3章决策制定第4章新的NavMeshAPI4.1简介4.2初始化NavMesh开发组件4.3创建和管理NavMesh，用于多...4.4在运行时创建和更新NavMesh...第4章新的NavMeshAPI4.5控制NavMesh实例的生命周期4.6连接多个NavMesh实例4.7创建动态的带有障碍物的NavMe...4.8用NavMeshAPI实现某些...第4章新的NavMeshAPI第5章协作和战术5.1简介5.2管理队形5.3扩展A*算法用于协作：A*mb...5.4用高度分析路径点5.5用覆盖性和可见性分析路径点5.6自动化创建路径点010302040506第5章协作和战术5.7将路径点作为示例用于决策制定5.8实现势力图5.9用淹没图改进势力图5.10用卷积滤波器改进势力图5.11构建战斗循环12345第5章协作和战术第6章agent感知6.1简介6.2基于碰撞系统的视觉函数6.3基于碰撞系统的听觉函数6.4基于碰撞系统的嗅觉函数第6章agent感知6.5基于图的视觉函数6.6基于图的听觉函数6.7基于图的嗅觉函数6.8在潜行游戏中创建感知第6章agent感知第7章棋类游戏和应用的搜索AI7.1简介7.2使用博弈树类7.3实现Minimax算法7.4实现Negamax算法7.5实现ABNegamax算法7.6实现Negascout算法010302040506第7章棋类游戏和应用的搜索AI7.7实现井字游戏对手7.8实现跳棋游戏对手7.9用UCB1实现石头剪刀布AI7.10实现无悔匹配算法第7章棋类游戏和应用的搜索AI第8章机器学习8.1简介8.2使用N元语法预测器预测行动8.3改进预测器：分层的N元语法8.4学习使用朴素贝叶斯分类器8.5实现强化学习8.6实现人工神经网络010302040506第8章机器学习第9章程序化内容生成9.1简介9.2用深度优先搜索创建迷宫9.3为地下城和群岛实现可构造算法9.4生成风景9.5使用N元语法生成内容9.6用进化算法生成敌人010302040506第9章程序化内容生成第10章