AI游戏引擎程序设计 AI Game Engine Programming 扫描版[PDF]

游客，本帖隐藏的内容需要积分高于 1 才可浏览，您当前积分为 0

资源信息： 中文名: AI游戏引擎程序设计 原名: AI Game Engine Programming 别名: 游戏开发经典丛书, 游戏编程, 游戏开发 作者: (美)Brian.Schwab 译者: 林龙信 张波涛 图书分类: 软件 资源格式: PDF 版本: 扫描版 出版社: 清华大学出版社 书号: 9787302163121 发行时间: 2007年11月 地区: 大陆 语言: 简体中文 概述:

内容介绍: 　　AI（Artificial Intelligencc，人工智能）在游戏中是一个崭新的概念，如今得到了普遍的关注和重视。人们期望与具有更高智能水平的ai对手对抗，这促进了游戏ai技术的发展。特别是近来，已经出现了栱人类玩家的游戏风格和反应的ai对手，为游戏问题提供创造性解决方案AI的对手，甚至还出现了具有人类心情和情感的ai对手。 　　本书为游戏开发人员创建现代游戏的ai引擎提供了工具和必要的指导。带领读者从理论入实际的游戏开发，并给出可用的代码框架，详细说明技术的襀方法。另外，该书综合阐述了不同技术的使用范围，并囊括了普遍存在的瓶颈、设计上应该考虑的问题以及优化策略。所有这些内容对游戏ai引擎开发人员都是必不可少的参考资料。 作者介绍 Brian Schwab具备十几年的游戏程序设计经验，在Angel Studios公司和DreamWorks公司拥有游戏和AI程序设计的关键职位。现在他是索尼娱乐公司的资深AI程序员。 内容截图:

目录: 第Ⅰ部分 概述 第1章 基本定义与概念 1.1什么是智能 1.2什么是游戏AI 1.3什么不是游戏AI 1.4该定义与人工智能理论定义的区别 1.5可应用的大脑科学与心理学理论 1.5.1 大脑的组织结构 1.5.2 知识库与学习 1.5.3 认知 1.5.4 心智理论 1.5.5 有限最优 1.5.6 来自机器人技术的启发 1.6小结 第2章 AI引擎的基本组成与设计 2.1决策与推理 2.1.1 解决方案的类型 2.1.2 智能体的反应能力 2.1.3 系统的真实性 2.1.4 游戏类型 2.1.5 游戏内容 2.1.6 游戏平台 2.1.7 开发限制 2.1.8 娱乐限制 2.2输入处理机与感知 2.2.1 感知类型 2.2.2 更新规则 2.2.3 反应时间 2.2.4 门限 2.2.5 负荷平衡 2.2.6 计算代价与预处理 2.3导航 2.3.1 基于网络 2.3.2 简单避免与位势场 2.3.3 地图节点网络 2.3.4 导航网格 2.3.5 组合系统 2.4综合考虑 2.5小结 第3章 Alsteroids：AI试验平台 3.1 GameObj类 3.2 GameObj类的Update()函数 3.3 Ship对象 3.4 其他游戏对象 3.5 GameSession类 3.5.1 主逻辑与碰撞检测 3.5.2 对象清除 3.5.3 主飞船和宝物的产生 3.5.4 奖励生命 3.5.5 级别和游戏的结束 3.6 Control类 3.7 AI系统钩子 3.8 游戏主循环 3.9 小结 第Ⅱ部分 游戏类型 第4章 角色扮演类游戏 4.1 通用AI元素 4.1.1 敌人 4.1.2 头目 4.1.3 非玩家角色 4.1.4 店员 4.1.5 队员 4.2 有用的AI技术 4.2.1 脚本 4.2.2 有限状态机 4.2.3 消息 4.3 示例 4.4 例外 4.5 需要改进的具体游戏元素 4.5.1 角色扮演不等于战斗 4.5.2 语法机器 4.5.3 任务发生器 4.5.4 更好的队员AI 4.5.5 更好的敌人 4.5.6 完全真实的市镇 4.6 小结 第5章 冒险类游戏 5.1 通用AI元素 5.1.1 敌人AI 5.1.2 非玩家角色 5.1.3 协作元素 5.1.4 感知系统 5.1.5 摄像机 5.2 有用的AI技术 5.2.1 有限状态机 5.2.2 脚本系统 5.2.3 消息系统 5.2.4 模糊逻辑 5.3 示例 5.4 需要改进的领域 5.4.1 潜行目标的附加类型 5.4.2 传统冒险根源的回归 5.4.3 更好的NPC通信 5.4.4 用户界面 5.4 小结 第6章 即时策略游戏 6.1 通用AI元素 6.1.1 个体单元 6.1.2 雇佣个体单元 6.1.3 指挥官与中级战略元素 6.1.4 高层战略性AI 6.1.5市镇构建 6.1.6本土生活 6.1.7路径搜索 6.1.8 战术与战略支撑系统 6.2 有用的AI技术 6.2.1 消息 6.2.2 有限状态机 6.2.3 模糊状态机 6.2.4 层次化AI 6.2.5 规划 6.2.6 脚本 6.2.7 数据驱动AI 6.3 示例 6.4 需要改进的领域 6.4.1 学习 6.4.2 确定AI元素何时受困 6.4.3 AI助手 6.4.4 对抗人物 6.4.5 多战略少战术 6.5 小结 第7章 第一人称/第三人称射击游戏 7.1 通用AI元素 7.1.1 敌人 7.1.2 敌人头目 7.1.3 死亡竞赛对手 7.1.4 武器 7.1.5 协作智能体 7.1.6 分队成员 7.1.7 路径搜索 7.1.8 空间推理 7.2 有用的AI技术 7.2.1 有限状态机 7.2.2 模糊状态机 7.2.3 消息系统 7.2.4 脚本系统 7.3 示例 7.4 需要改进的领域 7.4.1 学习与对手建模 7.4.2 个性 7.4.3 创造力 7.4.4 预测 7.4.5 更好的会话引擎 7.4.6 动机 7.4.7 更好的分队AI 7.5 小结 第8章 平台游戏 8.1 通用AI元素 8.1.1 敌人 8.1.2 敌人头目 8.1.3 协作元素 8.1.4 摄像机 8.2 有用的AI技术 8.2.1 有限状态机 8.2.2 消息系统 8.2.3 脚本系统 8.2.4 数据驱动系统 8.3 示例 8.4 需要改进的领域 8.4.1 摄影技巧 8.4.2 帮助系统 8.5 小结 第9章 射击类游戏 9.1 通用AI元素 9.1.1 敌人 9.1.2 敌人头目 9.1.3 协作元素 9.2 有用的AI技术 9.2.1 有限状态机 9.2.2 脚本系统 9.2.3 数据驱动系统 9.3 例外 9.4 示例 9.5 需要改进的领域 9.6 小结 第10章 运动类游戏 10.1 通用AI元素 10.1.1 教练或团队级别AI 10.1.2 玩家级别AI 10.1.3 路径搜索 10.1.4 摄像机 10.1.5 混杂元素 10.2 有用的AI技术 10.2.1 有限状态机与模糊状态机 10.2.2 数据驱动系统 10.2.3 消息系统 10.3 示例 10.4 需要改进的领域 10.4.1 学习 10.4.2 游戏平衡 10.4.3 玩法创新 10.5 小结 第11章 赛车游戏 11.1 通用AI元素 11.1.1 轨迹AI 11.1.2 交通 11.1.3 行人 11.1.4 敌人与战斗 11.1.5 非玩家角色 11.1.6 其他竞争行为 11.2 有用的AI技术 11.2.1 有限状态机 11.2.2 脚本系统 11.2.3 消息系统 11.2.4 遗传算法 11.3 示例 11.4 需要改进的领域 11.4.1 除犯罪以外的其他感兴趣领域 11.4.2 更多的只能AI敌人 11.4.3 永不落幕的游戏世界 11.5 小结 第12章 经典策略游戏 12.1 通用AI元素 12.1.1 对手AI 12.1.2 AI助手 12.2 有用的AI技术 12.2.1 有限状态机 12.2.2 Alpha-Beta搜索 12.2.3 神经网络 12.2.4 遗传算法 12.3 例外 12.4 示例 12.5 需要改进的领域 12.5.1 创造力 12.5.2 速度 12.6 小结 第13章 格斗类游戏 13.1 通用AI元素 13.1.1 敌人 13.1.2 碰撞系统 13.1.3 敌人头目 13.1.4 摄像机 13.1.5 动作和冒险元素 13.2 有用的AI技术 13.2.1 有限状态机 13.2.2 数据驱动系统 13.2.3 脚本系统 13.3 示例 13.4 需要改进的领域 13.5 小结 第14章 著名的混杂游戏类型 14.1 文明游戏 14.2 天神游戏 14.3 战争游戏 14.4 飞行模拟游戏 14.5 音乐游戏 14.6 益智游戏 14.7 人工生命游戏 第Ⅲ部分 基本的AI引擎技术 第15章 有限状态机 15.1 FSM概述 15.2 FSM骨架代码 15.2.1 FSMState类 15.2.2 FSMMachine类 15.2.3 FSMAIControl类 15.3 在实验平台上实现FSM控制的飞船 15.4 示例实现 15.4.1 Control类编码 15.4.2 状态编码 15.5 使用该系统的AI的性能 15.5.1 基于FSM系统的优势 15.5.2 基于FSM系统的劣势 15.6 范例扩展 15.6.1 层次化FSM 15.6.2 基于消息和事件的FSM 15.6.3 具有模糊转换的FSM 15.6.4 基于堆栈的FSM 15.6.5 多重并发FSM 15.6.6 数据驱动FSM 15.6.7 惯性FSM 15.7 最优化 15.7.1 FSM和感知的负荷平衡 15.7.2 LOD AI系统 15.7.3 共享数据结构 15.8 设计上考虑的因素 15.8.1 解决方案的类型 15.8.2 只能体的反应能力 15.8.3 系统的真实性 15.8.4 游戏类型 15.8.5 游戏内容 15.8.6 游戏平台 15.8.7 开发限制 15.8.8 娱乐限制 15.9 小结 第16章 模糊状态机 16.1 FuSM概述 16.2 FuSM骨架代码 16.2.1 FuSMState类 16.2.2 FuSMMachine类 16.2.3 FuSMAIControl类 16.3 在实验平台上实现FuSM控制的飞船 16.4 示例实现 16.4.1 添加Saucer 16.4.2 其他的游戏修改 16.4.3 FuSM系统 16.5 控制类代码 16.6 使用该系统的AI的性能 15.6.1 基于FuSM系统的优势 15.6.2 基于FuSM系统的劣势 16.7 范例扩展 16.7.1 有限数量当前状态的FuSM 16.7.2 作为角色支持系统FuSM 16.7.3 在较大FSM中作为单一状态的FuSM 16.7.4 层次化FuSM 16.7.5 数据驱动FuSM 16.8 最优化 16.9 设计上考虑的因素 16.9.1 解决方案的类型 16.9.2 智能体的反应能力 16.9.3 系统的真实性 16.9.4 游戏类型 16.9.5 游戏平台 16.9.6 开发限制 16.9.7 娱乐限制 16.10 小结 第17章 基于消息的系统 17.1 消息概述 17.2 消息的骨架代码 17.2.1 Message对象 17.2.2 MessagePump类 17.3 客户端句柄 17.4 在AIseroids实验平台上的示例代码 17.4.1 MessState类 17.4.2 MessMachine类 17.4.3 MessAIControl类 17.5 状态编码 17.6使用该系统的AI的性能 17.6.1 消息系统的优势 17.6.2 消息系统的劣势 17.7 范例扩展 17.7.1 消息优先级 17.7.2 消息仲裁 17.7.3 自动和扩展的消息类型 17.8 最优化 17.9 设计上考虑的因素 17.9.1 解决方案的类型 17.9.2 智能体的反应能力 17.9.3 系统的真实性 17.9.4 游戏类型和平台 17.9.5 开发限制 17.9.6 娱乐限制 17.10 小结 第18章 脚本系统 18.1 脚本概述 18.2 AIsteroids测试平台中的脚本实现 18.2.1 一种配置脚本语言 18.2.2 配置脚本系统的AI性能分析 18.2.3 游戏中Lua的嵌入 18.3 Lua在AIsteroids测试平台中的实现 18.4 Lua脚本系统的AI性能分析 18.5 脚本系统的优点 18.5.1 快速原型开发 18.5.2 更低的门槛 18.5.3 更快的AI调试速度 18.5.4 更多的用户扩展手段 18.5.5 更广的使用范围 18.6 脚本系统的缺点 18.6.1 执行速度 18.6.2 调试难度 18.6.3 脚本作用 18.6.4 宿主代码和脚本功能的划分 18.6.5 需维护的系统数量 18.7 范例扩展 18.7.1 自定义语言 18.7.2 内建调试工具 18.7.3 只能脚本IDE 18.7.4 游戏脚本自动集成 18.7.5 自主修改脚本 18.8 优化 18.9 设计上考虑的因素 18.9.1 解决方案的类型 18.9.2 智能体的反应能力 18.9.3 系统的真实性 18.9.4 游戏类型和平台 18.9.5 开发限制 18.9.6 娱乐限制 18.10 小结 第19章 基于位置的信息系统 19.1 基于位置的消息系统概述 19.1.1 影像图技术(IM) 19.1.2 智能地形技术(Smart Terrain) 19.1.3 地形分析技术(Terrain Analysis, TA) 19.2 各种技术的使用方法 19.2.1 占用数据 19.2.2 场地控制 19.2.3 探路系统的辅助数据 19.2.4 危险预警 19.2.5 初步战场计划 19.2.6 简单战场分析 19.2.7 高级战场分析 19.3 影像图框架代码及测试平台实现 19.3.1 占用影响图 19.3.2 占用IM测试平台的使用 19.3.3 控制影响图 19.3.4 控制IM测试平台的使用 19.3.5 逐位影响图 19.3.6 逐位IM测试平台的使用 19.3.7 其他实现 19.4 基于位置的信息系统的优点 19.5 基于位置的信息系统的缺点 19.6 范例扩展 19.7优化 19.8设计上考虑的因素 19.8.1 解决方案的类型 19.8.2 智能体的反应能力 19.8.3 系统的真实性 19.8.4 游戏类型和平台 19.8.5 开发限制 19.8.6 娱乐限制 19.9 小结 第20章 遗传算法 20.1 遗传算法概述 20.1.1 自然进化规律 20.1.2 游戏中的进化 20.1.3 遗传算法基本过程 20.2 问题的表示 20.2.1 基因和基因组 20.2.2 适应度函数 20.2.3 繁殖 20.3 AIsteroids测试平台中遗传算法的实现 20.4 遗传算法在测试平台中的性能 20.5 基于遗传算法的系统的优点 20.6 基于遗传算法的系统的缺点 20.6.1 时间代价较大 20.6.2 算法性能随机性大 20.6.3 结果成败定义模糊 20.6.4 最优解不能保证 20.6.5 参数调试和扩展难度大 20.7 范例扩展 20.7.1 蚁群算法 20.7.2 协同进化 20.7.3 自适应遗传算法 20.7.4 遗传程序设计 20.8 设计上考虑的因素 20.8.1 解决方案的类型 20.8.2 智能的反应能力 20.8.3 系统的真实性 20.8.4 游戏类型 20.8.5 平台 20.8.6 开发限制 20.8.7 娱乐限制 20.9 小结 第21章 神经网络 21.1 自然中的神经网络 21.2 人工神经网络概述 21.3 神经网络的使用 21.3.1 结构 21.3.2 学习机制 21.3.3 创建训练数据 21.4 神经网络活动 21.5 在AIsteroids测试平台上实现神经网络 21.5.1 NeuralNet类 21.5.2 NLayer类 21.5.3 NNAIControl类 21.6 测试平台的性能 21.7 优化 21.8 基于神经网络的系统的优点 21.9 基于神经网络的系统的缺点 21.10 范例扩展 21.10.1 其他类型的神经网络 21.10.2 神经网络学习的其他类型 21.11 设计上考虑的因素 21.11.1 解决方案的类型 21.11.2 智能体的反应能力 21.11.3 系统的真实性 21.11.4 游戏类型和平台 21.11.5 开发限制 21.11.6 娱乐限制 21.12 小结 第22章 其他技术备忘录 22.1 人工生命 22.1.1 人工生命在游戏中的用途 22.1.2 人工生命科学 22.1.3 优点 22.1.4 缺点 22.1.5 游戏实际可以开发的领域 22.2 规划算法 22.2.1 在当前游戏中的使用状况 22.2.2 优点 22.2.3 缺点 22.2.4 游戏设计可以开发的领域 22.3 生产式系统 22.3.1 在当前游戏中的使用状况 22.3.2 优点 22.3.3 缺点 22.4 决策树 22.4.1 优点 22.4.2 缺点 22.4.3 游戏设计可以开发的领域 22.5 模糊逻辑 22.5.1 优点 22.5.2 缺点 22.5.3 游戏设计可以开发的领域 22.5 小结 第Ⅳ部分 AI实战游戏开发 第23章 分层式AI设计 23.1 基本回顾 23.2 分层式结构 23.2.1 重现前述示例 23.2.2 感知和事件层 23.2.3 行为层 23.2.4 动画层 23.2.5 运动层 23.2.6 短期决策层(ST) 23.2.7 长期决策层(LT) 23.2.8 基于位置的信息层 23.3 BROOKS包容式体系结构 23.4 游戏层次分解 23.4.1 目标 23.4.2 分层式超级玛丽 23.4.3 AI怪物的实现 23.4.4 AI玩家的实现 23.5 小结 第24章 AI开发中普遍关心的问题 24.1 有关设计的问题 24.1.1 数据驱动系统时需考虑的问题 24.1.2 “一根筋”(OTM) 综合症 24.1.3 多细节层次(LOD)AI 24.1.4 支持AI 24.1.5 通用AI设计思想 24.2 有关娱乐的问题 24.2.1 所有重要的趣味性因素 24.2.2 随机感 24.2.3 一些令AI系统看上去非常愚蠢的因素 24.3 有关产品的问题 24.3.1 保持AI行为的一致性 24.3.2 提前思考游戏参数的调试问题 24.3.3 预防AI系统的位置行为 24.3.4 注意设计人员使用方式的差异性 24.4 小结 第25章 调试 25.1 AI系统的通用调试 25.2 可视化调试 25.2.1 提供各种信息 25.2.2 有助于调试 25.2.3 时序信息 25.2.4 监视状态转变 25.2.5 有助于控制台调试 25.2.6 调试脚本语言 25.2.7 双功能影响图 25.3 Widget 25.3.1 实现 25.3.2 BasicButton 25.3.3 Watcher 25.3.4 RadioButton 25.3.5 OnOffButton 25.3.6 ScrubberWidget 25.3.7 程序集成 25.4 小结 第26章 总结与展望 26.1 AI引擎设计总结 26.2 AI游戏的未来展望 附录 有关CD-ROM的说明