تصمیم‌گیری، راهبرد و ناوش در بازی‌های رایانه‌ای

Decision Making, Strategy, and Navigation in Computer Games

مقطع: تحصیلات تکمیلی گرایش: بازی‌های رایانه‌ای
نوع درس: نظری تعداد واحد: ۳
پیش‌نیاز: – هم‌نیاز: –

هدف کلی

در این درس، هدف آموزش سه رکن اساسی هوش مصنوعی بازی‌های رایانه‌ای یعنی، تصمیم گیری، هوش مصنوعی تاکتیکی و راهبردی و ناوش در محیط بازی است. توقعی که از دانشجو پس از گذراندن این درس می‌رود نیز تسلط بر این سه اصل و رویکردها و تکنیک‌های مرتبط با هریک از آن‌ها است.

سرفصل‌ها

  1. الگوریتم‌ها و مکانیزم‌های تصمیم‌گیری در بازی‌های رایانه‌ای
  2. درخت‌های تصمیم گیری سنتی و انطباقی
  3. روش‌های متمرکز در هدایت تیم‌های گروهی (squad)
  4. روش‌های توزیع‌شده در هدایت تیم‌های گروهی (squad)
  5. روش‌های مسیریابی مبتنی بر نقاط راه
  6. روش‌های مسیریابی مبتنی بر الگوریتم‌های جستجوی ناآگاهانه و آگاهانه
  7. سامانه‌های ناوش (مبتنی بر تورجسم، نقاط گرافی، نقشه‌های تاثیر، میادین پتانسیلی)
  8. هوش مصنوعی تاکتیکی برای بازی‌های استراتژی همزمان
  9. کاربرد الگوریتم‌های ژنتیک در هوش مصنوعی تاکتیکی
  10. سیستم‌های عوارض زمین هوشمند (Smart Terrain)
  11. سیستم‌های مبتنی بر قاعده در هوش تاکتیکی

ارزیابی پیشنهادی

منابع پیشنهادی

  1. Poole, David L. and Mackworth, Alan K., Artificial Intelligence: Foundations of Computational Agents, 3rd edition, Cambridge University Press, 2023.
  2. McShaffry, Michael L. Behavioral Mathematics for Game AI. Cengage Learning, 2009.
  3. Brian Schwab. AI Game Engine Programming. Cengage Learning, 2009.
  4. Rabin, Steve. AI Game Programming Wisdom. Cengage Learning, 2002.
  5. Deloura, Mark A. Game Programming Gems 2. Cengage learning, 2001.