You are not allowed to perform this action
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
- الگوریتم‌ها و مکانیزم‌های تصمیم‌گیری در بازی‌های رایانه‌ای
- درخت‌های تصمیم گیری سنتی و انطباقی
- روش‌های متمرکز در هدایت تیم‌های گروهی (squad)
- روش‌های توزیع‌شده در هدایت تیم‌های گروهی (squad)
- روش‌های مسیریابی مبتنی بر نقاط راه
- روش‌های مسیریابی مبتنی بر الگوریتم‌های جستجوی ناآگاهانه و آگاهانه
- سامانه‌های ناوش (مبتنی بر تورجسم، نقاط گرافی، نقشه‌های تاثیر، میادین پتانسیلی)
- هوش مصنوعی تاکتیکی برای بازی‌های استراتژی همزمان
- کاربرد الگوریتم‌های ژنتیک در هوش مصنوعی تاکتیکی
- سیستم‌های عوارض زمین هوشمند (Smart Terrain)
- سیستم‌های مبتنی بر قاعده در هوش تاکتیکی
ارزیابی پیشنهادی
- تمرین‌ها و پروژه: ۳۰ درصد نمره
- آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره
منابع پیشنهادی
- Poole, David L. and Mackworth, Alan K., Artificial Intelligence: Foundations of Computational Agents, 3rd edition, Cambridge University Press, 2023.
- McShaffry, Michael L. Behavioral Mathematics for Game AI. Cengage Learning, 2009.
- Brian Schwab. AI Game Engine Programming. Cengage Learning, 2009.
- Rabin, Steve. AI Game Programming Wisdom. Cengage Learning, 2002.
- Deloura, Mark A. Game Programming Gems 2. Cengage learning, 2001.