Unity人工智能实战（原书第2版)

第1章探究几个有趣的移动算法，这些算法基于Craig Reynolds与Ian Millington开发的转向行为（steering behavior)原则，是绝大多数高级游戏和其他一些依赖于移动的算法（比如寻路算法家族)的基础。第2章涵盖了用于导航复杂场景的寻路算法。该章包含一些使用不同的图结构来表示游戏世界的方法，以及几个用于寻路的算法，每种算法针对的场景有所不同。第3章解释不同的决策制定技术，这些技术能够灵活地适应不同类型的游戏，并且足够健壮地让我们构建模块化的决策制定系统。第4章揭示Unity 5.6中引入的NavMesh API的内部原理，解释如何掌握NavMesh的强大之处，以及实时优化。第5章涉及几篇不同的教程，把不同的agent协调成一个整体，比如基于图表（如路径点和势力图)制定战术策略的编队技巧。第6章探究了几种在agent上模拟感官刺激的不同方式。我们将学习如何使用已知的工具来创建这些模拟器：碰撞器和图。第7章涵盖了用于开发棋类游戏的一个算法家族，以及创建AI的基于回合的游戏技术。第8章探索机器学习领域，该章是我们学习并将机器学习技术应用到游戏中的极好开端。第9章探

这是一本深度探讨人工智能在Unity游戏开发中的应用的著作。本书涵盖了行为设计、导航系统、决策制定、新的NavMesh API、协作和战术、agent感知、棋类游戏和应用的搜索AI、机器学习以及程序化内容生成等多个方面。 本书首先从行为设计入手，详细解释了如何创建行为模板，包括追赶和逃跑的行为设计，以及如何通过权重混合和优先级混合多个行为。此外，书中还介绍了如何使用网格作为导航的基本工具，以及如何利用A算法最优路径寻路。 在决策制定方面，本书深入探讨了决策树和有限状态机的应用，以及如何使用行为树来实现更复杂的决策逻辑。同时，书中还介绍了模糊逻辑的应用场景，以及如何利用博弈树结构在棋类游戏中的应用。 在新的NavMesh API方面，本书揭示了Unity 5.6中引入的NavMesh API的内部原理，并解释了如何掌握NavMesh的强大之处，以及实时优化。 在协作和战术方面，本书涉及了几篇不同的教程，把不同的agent协调成一个整体，比如基于图表(如路径点和势力图)制定战术策略的编队技巧。 在agent感知方面，本书探究了几种在agent上模拟感官刺激的不同方式。我们将学习如