譯者序
前　言
第1章　行為——智能移動(dòng) 1
1.1　簡(jiǎn)介 1
1.2　創(chuàng)建行為模板 2
1.3　追趕和逃跑 4
1.4　為物理引擎調(diào)整agent 6
1.5　到達(dá)和離開(kāi) 8
1.6　朝向物體 10
1.7　徘徊 12
1.8　按路徑移動(dòng) 14
1.9　避開(kāi)agent 18
1.10　避開(kāi)墻體 20
1.11　通過(guò)權(quán)重混合多個(gè)行為 21
1.12　通過(guò)優(yōu)先級(jí)混合多個(gè)行為 22
1.13　射擊拋射體 24
1.14　預(yù)測(cè)拋射體的著地點(diǎn) 26
1.15　鎖定拋射體 27
1.16　創(chuàng)建跳躍系統(tǒng) 28
第2章　導(dǎo)航 32
2.1　簡(jiǎn)介 32
2.2　用網(wǎng)格表示世界 33
2.3　用可視點(diǎn)法表示世界 41
2.4　用自制的導(dǎo)航網(wǎng)格表示世界 44
2.5　用深度優(yōu)先搜索在迷宮中找到出路 47
2.6　用廣度優(yōu)先搜索在網(wǎng)格中找到最短路徑 49
2.7　用迪杰斯特拉算法找到最短路徑 50
2.8　用A*找到最優(yōu)路徑 53
2.9　改進(jìn)A*算法的內(nèi)存占用：IDA* 56
2.10　在多個(gè)幀中規(guī)劃導(dǎo)航：時(shí)間片搜索 58
2.11　使路徑變得平滑 60
第3章　決策制定 62
3.1　簡(jiǎn)介 62
3.2　通過(guò)決策樹(shù)做選擇 62
3.3　實(shí)現(xiàn)有限狀態(tài)機(jī) 65
3.4　改進(jìn)有限狀態(tài)機(jī)：分層的有限狀態(tài)機(jī) 67
3.5　實(shí)現(xiàn)行為樹(shù) 69
3.6　使用模糊邏輯 71
3.7　用面向目標(biāo)的行為制定決策 74
3.8　實(shí)現(xiàn)黑板架構(gòu) 76
3.9　嘗試Unity的動(dòng)畫(huà)狀態(tài)機(jī) 78
第4章　新的NavMesh API 84
4.1　簡(jiǎn)介 84
4.2　初始化NavMesh開(kāi)發(fā)組件 84
4.3　創(chuàng)建和管理NavMesh，用于多種類(lèi)型的agent 86
4.4　在運(yùn)行時(shí)創(chuàng)建和更新NavMesh數(shù)據(jù) 89
4.5　控制NavMesh實(shí)例的生命周期 90
4.6　連接多個(gè)NavMesh實(shí)例 92
4.7　創(chuàng)建動(dòng)態(tài)的帶有障礙物的NavMesh 93
4.8　用NavMesh API實(shí)現(xiàn)某些行為 94
第5章　協(xié)作和戰(zhàn)術(shù) 97
5.1　簡(jiǎn)介 97
5.2　管理隊(duì)形 98
5.3　擴(kuò)展A*算法用于協(xié)作：A* mbush 102
5.4　用高度分析路徑點(diǎn) 105
5.5　用覆蓋性和可見(jiàn)性分析路徑點(diǎn) 106
5.6　自動(dòng)化創(chuàng)建路徑點(diǎn) 107
5.7　將路徑點(diǎn)作為示例用于決策制定 110
5.8　實(shí)現(xiàn)勢(shì)力圖 111
5.9　用淹沒(méi)圖改進(jìn)勢(shì)力圖 114
5.10　用卷積濾波器改進(jìn)勢(shì)力圖 118
5.11　構(gòu)建戰(zhàn)斗循環(huán) 120
第6章　agent感知 128
6.1　簡(jiǎn)介 128
6.2　基于碰撞系統(tǒng)的視覺(jué)函數(shù) 128
6.3　基于碰撞系統(tǒng)的聽(tīng)覺(jué)函數(shù) 130
6.4　基于碰撞系統(tǒng)的嗅覺(jué)函數(shù) 133
6.5　基于圖的視覺(jué)函數(shù) 136
6.6　基于圖的聽(tīng)覺(jué)函數(shù) 138
6.7　基于圖的嗅覺(jué)函數(shù) 140
6.8　在潛行游戲中創(chuàng)建感知 141
第7章　棋類(lèi)游戲和應(yīng)用的搜索AI 148
7.1　簡(jiǎn)介 148
7.2　使用博弈樹(shù)類(lèi) 148
7.3　實(shí)現(xiàn)Minimax算法 150
7.4　實(shí)現(xiàn)Negamax算法 152
7.5　實(shí)現(xiàn)AB Negamax算法 154
7.6　實(shí)現(xiàn)Negascout算法 156
7.7　實(shí)現(xiàn)井字游戲?qū)κ? 158
7.8　實(shí)現(xiàn)跳棋游戲?qū)κ? 161
7.9　用UCB1實(shí)現(xiàn)石頭剪刀布AI 171
7.10　實(shí)現(xiàn)無(wú)悔匹配算法 175
第8章　機(jī)器學(xué)習(xí) 178
8.1　簡(jiǎn)介 178
8.2　使用N元語(yǔ)法預(yù)測(cè)器預(yù)測(cè)行動(dòng) 178
8.3　改進(jìn)預(yù)測(cè)器：分層的N元語(yǔ)法 181
8.4　學(xué)習(xí)使用樸素貝葉斯分類(lèi)器 182
8.5　實(shí)現(xiàn)強(qiáng)化學(xué)習(xí) 184
8.6　實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò) 188
第9章　程序化內(nèi)容生成 192
9.1　簡(jiǎn)介 192
9.2　用深度優(yōu)先搜索創(chuàng)建迷宮 192
9.3　為地下城和群島實(shí)現(xiàn)可構(gòu)造算法 195
9.4　生成風(fēng)景 199
9.5　使用N元語(yǔ)法生成內(nèi)容 201
9.6　用進(jìn)化算法生成敵人 204
第10章　其他 209
10.1　簡(jiǎn)介 209
10.2　創(chuàng)建和管理可編寫(xiě)腳本的對(duì)象 209
10.3　更好地處理隨機(jī)數(shù) 211
10.4　構(gòu)建空氣曲棍球游戲?qū)κ? 213
10.5　實(shí)現(xiàn)競(jìng)速游戲架構(gòu) 218
10.6　使用橡皮筋系統(tǒng)管理競(jìng)速難度 220