AI游戏开发和深度学习进阶

本书以各种各样的实例剖析游戏AI手法，并以此为目标，帮助读者学习构筑游戏AI的技术。另外，也阐述了游戏AI中的深层学习、机械学习、强化学习技术。

译者序<br/>前言<br/>第1章　谜题与游戏AI的过去和现在 1<br/>1.1　关于AI的预言成真了吗 1<br/>1.2　游戏AI的历史和背景 2<br/>1.3　游戏AI是否会剥夺人类的乐趣 7<br/>1.4　游戏AI的意义 9<br/>1.5　游戏的深奥程度与“先下手为强”定理 10<br/>第2章　解谜的AI 14<br/>2.1　搜索树 14<br/>2.1.1　树的构造和图形表达 14<br/>2.1.2　深度优先搜索 21<br/>2.1.3　宽度优先搜索 28<br/>2.1.4　A*搜索 32<br/>2.2　推箱子 40<br/>2.3　数字连线 43<br/>2.4　日式华容道 46<br/>2.5　孔明棋 48<br/>2.6　尝试用数学知识解决数独问题 51<br/>第3章　依赖约束的谜题和非单调推理 58<br/>3.1　纵向搜索与回溯 58<br/>3.2　数学家弄错的国际象棋谜题 58<br/>3.3　线条图的解释与错觉画 63<br/>3.4　ATMS与四色问题 71<br/>3.5　解开国际象棋谜题 83<br/>3.5.1　尽可能放置多个棋子 84<br/>3.5.2　尽可能攻击多个区域 86<br/>3.6　Knuth的谜题与位棋盘 88<br/>第4章　会玩游戏的AI 90<br/>4.1　井字棋与树 90<br/>4.2　游戏的树搜索 91<br/>4.3　黑白棋与Fool’s mate 104<br/>4.4　A*马里奥 110<br/>4.5　蒙特卡罗树搜索 114<br/>4.6　立体四子棋 118<br/>4.7　黑白棋的蒙特卡罗算法和NegaScout算法 123<br/>4.8　如何赢得博弈 124<br/>4.9　消灭幽灵：AI吃豆人 132<br/>第5章　学习、进化和游戏AI 140<br/>5.1　来自AlphaGo的震撼 140<br/>5.2　DQN和街机游戏 151<br/>5.3　进化的马里奥 155<br/>5.4　神经进化 158<br/>5.5　吃豆人的神经进化 161<br/>5.6　充满好奇心的马里奥 166<br/>第6章　游戏AI与类人化 174<br/>6.1　为什么需要类人化的AI 174<br/>6.2　通用游戏是什么 175<br/>6.3　图灵测试和最类人化的AI 178<br/>6.4　不使用“类人化”函数的类人化游戏AI 182<br/>6.5　使用“类人化”函数的类人化游戏AI 190<br/>参考文献 199