摘要：
游戏AI行为决策（特别篇）——MLP（附代码与项目） 你一定听说过神经网络的大名，你有想过将它用于游戏AI的行为决策上吗？其实在（2010年发布的）《最高指挥官2》中就有应用了，今天请允许我班门弄斧一番，与大家一同用C#实现最经典的神经网络——多层感知机（Multilayer Perceptron， 阅读全文
摘要：
游戏AI行为决策——GOAP（附代码与项目） 新的一年即将到来，感觉还剩一种常见的游戏AI决策方法不讲的话，有些过意不去。就在这年的尾巴与大家一起交流下「目标导向型行为规划（GOAP）」吧！ 另外，我觉得只是讲代码实现而没有联系具体项目，可能还是不容易理解的。所以这次我会在文末附上一个由本文所述代码 阅读全文
摘要：
游戏AI行为决策——HTN 前言 Hierarchical Task Network（分层任务网络），简称HTN，与行为树、GOAP一样，也是一种行为决策方法。在《地平线：零之曙光》、《变形金刚：塞伯坦的陨落》中都有用它来制作游戏敌人的AI （我一个都没玩过捏。比起其它行为决策方法，HTN有个十分鲜 阅读全文
摘要：
游戏AI行为决策——行为树 前言 行为树，是目前游戏中应用较为广泛的一种行为决策模型。这离不开它成熟的可视化编辑工具，例如Unity商城中的「Behaviour Designer」，甚至是虚幻引擎也自带此类编辑工具。而且它的设计逻辑并不复杂，其所利用的树状结构，很符合人的思考方式。 接下来，我们会先 阅读全文
摘要：
第五章：对抗搜索 本章讨论在有其他Agent计划与我们对抗时，该如何预先规划。 1. 博弈 当多个Agent一同行动时，Agent自身无法知道其他Agent的行为会对自身带来什么影响，这就导致了问题求解的 「偶发性」。而如果每个Agent的目标之间还是相互冲突的，那就会出现 「博弈」，也就是 对抗搜 阅读全文
摘要：
第四章：超越经典搜索 上一章所讨论的问题具有如下性质：环境是可观察的、确定的、已知的，问题是一个行动序列。本章将讨论不受环境性质的约束。 1. 局部搜索算法和最优化问题 上一章提到的搜索算法，是为了找到一条或多条达到目标的路径。而在许多问题中，到达目标的路径是不相关的。在这种情况下我们要考虑一种不关 阅读全文
摘要：
第三章： 通过搜索进行问题求解 本章将讨论基于目标的Agent中的一种，称为 「问题求解Agent」 ，问题求解Agent使用原子表示：世界状态被视为一个整体。 1. 问题求解Agent 基于当前的情形和Agent的性能度量进行 「目标形式化」 是求解问题的第一步。我们将目标考虑成是世界的一个状态集 阅读全文
摘要：
第二章：智能Agent 本章讨论Agent的本质，Agent是否完美，环境的多样性，及由此带来的各种Agent分类。 1. Agnet和环境 Agent通过传感器感知环境并通过执行器对所处环境产生影响，不同Agent用的传感器也各不相同。我们用 「感知」 表示任何给定时刻Agent的感知输入，而 「 阅读全文
摘要：
第一章：绪论 本章试图解释，为什么人工智能是一个最值得研究的学科，并试图给它一个准确的定义。 1. 什么是人工智能 我们都曾听说过“人工智能”，它简直更法术似的，仿佛是世间一切问题的通解；一切事物，只要名字与它靠在一起，就可以立马变得很玄乎 （跟量子力学似的。 本书中作者用（应该说是当时的学者）四个 阅读全文
摘要：
第九章：几何图元 几何图元，就是构成几何物体的最小单元。这章节我们将对它们进行讨论。 1.表示技术 如何用数学的方式来描绘物体？是的，用函数。 我们可以用一个布尔函数\(f(x,y,z)\)以隐含形式进行描绘，当传入空间中的一点的坐标时，只有当这点属于那个物体时才会返回真； 还有一种叫描述方式是参数 阅读全文