文章吧手机版
游戏开发中的人工智能读后感精选
日期:2020-12-06 02:05:12 来源:文章吧 阅读:

游戏开发中的人工智能读后感精选

  《游戏开发中的人工智能》是一本由David M.Bourg / Glenn Seemann著作,东南大学出版社出版的平装图书,本书定价:48.00元,页数:369,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。

  《游戏开发中的人工智能》精选点评:

  ●略读,几乎没什么用处。。。

  ●为了图灵杯比赛看的,就看了前面几章,主要看了有限状态机,感觉写得还是很通俗易懂的,书上给出的代码也很详细。不过可惜没有进决赛,哎.......

  ●还行,入门与总结的书,看完也就稍微了解下,深入就看别的吧

  ●感觉有些实现不太好。

  ●垃圾!

  ●好多switch、A*、贝叶斯、ANN、遗传算法……

  ●有些很简单的。。人工智能算法

  ●读过一部分, 没有仔细读.

  ●参考书

  ●文章浅显易懂,每一章都给出了简单的例子,很好理解。 美中不足是不够深入,不过书中推荐了一些参考书,想要深入探究人工智能的朋友可以去看推荐的参考书。

  《游戏开发中的人工智能》读后感(一):一开始看这个猫,觉得很叼

  的确很烂,同事桌上,晚上下班等的士的时候拿来看的,既没有深入也没有浅出,如果说是入门的,那只能说翻译太烂了,6~10岁小朋友适合观看

  其实之前在书店也看到过这种动物为封面的技术书,果然不是给人看的

  《游戏开发中的人工智能》读后感(二):科普类型的

  适合科普,实现的话最好还是找别的书或者代码。

  总的来说内容简介却也丰富,而且比较有意思,有光盘可能会好点(我看的那本光盘消失了)。对AI感兴趣的初学者看看会很受益。

  《游戏开发中的人工智能》读后感(三):游戏开发中的人工智能

  你的游戏是否有角色不能任意走动?是否有角色走进障碍物?是否有非玩家角色不能按照团队运动?现在你就可以掌握高级人工智能(AI)技术以解决这些问题。不管你是编程新手或者是个仅仅想快速学习AI的熟练游戏编程人员,你都会发现《游戏开发中的人工智能》对于理解并应用AI到你的游戏中是非常合适的入门书籍。本书正是为你提供游戏开发方面高级、有用的AI技术的。如果你曾试图使用AI延长你的游戏的生命周期,让你的游戏更加具有挑战性,更重要的是让它们更加有趣,这本书就是为你准备的。

  David M. Bourg(畅销书《游戏开发中的物理学》的作者)和Glenn Seemann将用非常直观、易懂的语言给你介绍一些诸如有限状态机、模糊逻辑和神经网络之类的技术,全书使用源代码(用C和C++编写)说明这些技术。从基本的诸如追赶、躲避、基于模式的运动和聚集等游戏行为到玩家行为预测,这本书告诉你怎么应用AI给你的游戏角色提供可信的智能。这些技术包括了适合初级AI开发者的确定性(传统的)和非确定性(较新的)AI技术的混合。

  其他的主题包括:

  ·使用基于势函数的单一技术处理追赶、躲避、聚集和避障等问题。

  ·使用包括路径点和经典A*算法解决寻径问题。

  ·利用AI脚本扩充AI引擎的功能,让设计者和玩家更好地设计和玩游戏。

  ·给你的游戏角色赋予基于规则的AI推理能力,包括模糊逻辑和有限状态机。

  ·使用概率分析和诸如贝叶斯推理的高级技术处理不确定性问题。

  《游戏开发中的人工智能》读后感(四):AI开发人员本质上就是在解决路径寻找问题

  这本书就一破书,看了一半看不下去了,还好刚开始从后面神经网络开始看起,写的代码不严谨不说,书的排版还有一些问题,这个不知道是不是翻译版搞的问题.

  整个书本来也就是为初学者大概了解一下游戏编程中的AI有哪些,感觉还不如看一个综述类型的博客来得实用,还罗列好几百页的一本书,有点言过其实了.

  里面很多内容虽然从图片整理上看是有条理的,但内容真心看不下去,现在没有去看英文原版,但中文版本确实让人无法直视了,简单的东西拿大堆拐来拐去的大段文字来说,而且估计翻译的原故认真去看犹如嚼蜡,真心不建议看.该本书的优点呢是有的,引出了几个游戏编程中的AI业内站点,以及像<Practial Neural Network Reciples in C++>这些书倒是值得看的.只是不知道为什么有人要翻译这本书呢?业内角度看是一烂书,业外角度感觉不讲太多了吧.

  里面有一个说法是,AI开发人员本质上就是在解决路径寻找问题.

  另外,这里还有一些算法描述上面的错误,比如翻译版本的P129页讲A*伪代码的描述上,对于节点不在open list中就直接排除掉的描述是不对的.我特意找来英文原版以及翻译版本,懂A*算法可以评评理.

  Example 7-1. Example 7-1. A* pseudo code

  add the starting node to the open list

  while the open list is not empty

  {

  current node=node from open list with the lowest cost

  if current node = goal node then

  ath complete

  else

  move current node to the closed list

  examine each node adjacent to the current node

  for each adjacent node

  if it isn't on the open list

  and isn't on the closed list

  and it isn't an obstacle then

  move it to open list and calculate cost

  }

  例7-1: A*伪代码

  把起始节点加进open list

  while open list不为空

  {

  当前节点= open list中成本最低的节点

  if当前节点 = 目标节点then

  路径完成

  else

  把当前节点移入closed list

  检视当前节点的每个相邻节点

  for每个相邻节点

  if该节点不在open list中

  and该节点不在closed list中

  and该节点不是障碍物then

  将该节点移进open list并计算其成本

  }

  《游戏开发中的人工智能》读后感(五):笔记 - 游戏开发中的人工智能

  追逐与闪躲

  ---- 视线追逐

  ---- 拦截

  靠拢速度 Vr = Vprey - Vpredator

  靠拢距离 Sr = Sprey - Spredator

  靠拢时间 Tc = |Sr| / |Vr|

  预测位置 St = Sprey + (Vprey)(Tc)

  移动模式

  ---- 标准移动模式:控制指令

  群聚

  ---- 基本群聚

  凝聚:每个单位都往其临近单位的平均位置行动

  对齐:每个单位行动时,都要把自己对齐在其临近单位的平均方向上

  分隔:每个单位行动时,要避免撞上其临近单位

  ---- 队形控制:单位视野

  ---- 避障:触角

  ---- 跟随:领头者

  势函数

  ---- Lenard-Jones 势函数:U = A/r^n + B/r^m

  ---- 追逐、闪躲、避障

  ---- 算法优化:应用半径、网格

  路径寻找及航点应用

  ---- 视线避障

  ---- 绕行避障

  ---- 面包屑路径寻找

  ---- 遵循路径:方向权重

  ---- 航点导航:节点表

  A*路径寻找算法

  ---- 定义搜寻区域:节点分割

  ---- 过程:

  Open List

  Closed List

  路径得分:移动成本 + 启发法

  地形成本

  影响力对应

  描述式AI及描述引擎

  ----

  有限状态机

  ----

  模糊逻辑

  ---- 程度

  ---- 过程:

  模糊化:归属函数(0~1)、藩篱函数(hedge function)

  模糊规则

  评估运算

  反模糊化、单值输出归属函数

  规则式AI

  ---- 规则系统:工作记忆、规则记忆

  ---- 规则系统的推论:演绎法(forward chaining)、归纳法(backward chaining)

  ---- Rete 算法

  概率概论

  ---- 标准概率

  ---- 主观概率及量化(赔率、期望值)、确定(打赌 - 公平的打赌、合理价格)

  ---- 概率规则

  贝叶斯技术

  ---- 贝叶斯网络

  神经网络

  ---- 多层前馈神经网络:输入层、隐匿层、输出层

  ---- 权重、活化函数(logistic function, step function, hyperbolic tangent function),偏差项

  罗吉斯函数:f(x) = 1 / (1 + e^(-x / c))

  阶跃函数:f(x) = 0; x <= 0 | 1; x > 0

  双曲正切函数:f(x) = (e^x - e^-x) / (e^x + e^-x)

  ---- 倒传递训练:

  1.训练数据集

  2.初始权重

  3.输入数据获取输出值

  4.计算误差

  5.调整权重

  ---- 局部极值与整体极值、增加动量方法

  遗传算法

  ---- 演化过程、适合度

  ---- 淘汰、交叉、突变

评价:中立好评差评
【已有2位读者发表了评论】

┃ 游戏开发中的人工智能读后感精选的相关文章

┃ 每日推荐