01.游戏AI方法

游戏AI方法目录:

  • 特定行为编辑
    • 有限状态机
    • 行为树
    • 基于效用的AI
  • 树搜索
    • 非启发式搜索
      • 深度优先
      • 广度优先
    • 最佳优先搜索
      • A*
    • 极大极小
    • 蒙特卡罗树搜索
  • 进化计算
    • 局部搜索
    • 进化算法
  • 监督学习
    • 神经网络
    • SVM
    • 决策树
  • 强化学习
    • 动态规划
    • 蒙特卡罗方法
    • 时序差分学习
      • Q-learning
  • 无监督学习
    • 聚类
      • km聚类
      • 层次聚类
    • 频繁模式挖掘
      • Apriori
      • 广义序贯模式
  • 混合算法
    • 神经进化
    • ANN+时序差分学习
      • TD-Gammon
      • Deep Q network

    00.AI and Games

    人工智能与游戏主要研究的是AI和游戏的交叉,可以用 AI in games (游戏中的AI) 或者 game AI(游戏AI)来代指整个领域。

    它大概分为两个部分,用AI做游戏和用游戏研究AI。

    我开始进入用AI来做游戏领域,主要的思路是用Rust学游戏设计并用AI来参与游戏的开发。期待自己能够做出好玩的游戏。

    后面的文章,主要是研究游戏玩法,各种游戏AI的场景和实现,做出游戏demo并落地为游戏产品。

    参考: