《遊戲人工智慧》學習筆記

複習筆記
chapter 1
遊戲人工智慧是人工智慧科學技術領域的一個分支
人工智慧遊戲的研究內容是如何將人工智慧的理論、方法和技術應用於開發智能遊戲、提高遊戲角色的智能水平，主要包括智能遊戲角色的行動、感知、反應、情緒、記憶、學習的理論方法和技術。
角色亦作角色，是指在表演藝術形式中演員根據指令碼演藝虛構人物的行為，也指被扮演的虛構人物。
玩家角色（PC）控制器如同角色的大腦，輸入是遊戲世界的狀態資訊，輸出是影響遊戲世界並導致非玩家角色相應行為的動作選擇。為由玩家通過操縱杆等輸入裝置控制的遊戲角色。
非玩家角色（NPC）：其他角色
角色行為控制：每一個角色至少有一個與他關聯的控制器，控制器可以在不同的角色間共用。
控制器如同角色的大腦，輸入是遊戲世界的狀態資訊，輸出是影響遊戲世界並導致非玩家角色相應行為的動作選擇。
玩家角色的控制器：解釋玩家操縱杆各種操作的機制；玩家的大腦。
非玩家角色的控制器(NPC)：多種形式，並具有不同的功能。
遊戲系統結構
遊戲狀態：描述遊戲世界中所有物體及其狀態資訊
模擬器：“遊戲物理學”，制定遊戲狀態如何改變的規則
渲染器：利用遊戲中物體的幾何關係及紋理提供對遊戲狀態的描繪
控制器：負責選擇角色的行動
非玩家角色具備的能力：行動，感知
非玩家角色控制器的設計方法：直接遵循一組預先編製好的行動準則，自動搜尋，學習能力
人工智慧：智能是一種認識客觀事物和運用知識解決問題的綜合能力。
智能所包含的能力：感知能力，記憶與思維能力，學習和自適應能力，行為能力
從能力角度來看：人工智慧是相對於人的自然智能而言的，所謂人工智慧是指用人工的方法在機器上實現的智能。
從學科的角度看，這是一門研究如何構造智能機器或智能系統，使它能類比、延伸和擴充人類智能的學科。
至於如何衡量機器是否具有智能，圖靈測試。
—-chapter 1 end————–
chapter 2

知識：知識是一切智能行為的基礎，是人工智慧的重要研究對象。一個智能系統的智能性很大程度上取決於知識的數量及其可利用的程度。知識也是人們在改造客觀世界的實踐中積累起來的認識和經驗。

對客觀世界的描述包括資料（符號或符號的組合）資訊（不同資料群組成的一種結構）知識（對資訊進行智能性加工所形成的對客觀世界規律性的認識）

狀態空間法的知識表示：採用試探搜尋方法，通過在某個可能的解空間內尋找一個解來求解問題。這是一種基於解答空間的問題表示和求解方法。並且它是以狀態和算符為基礎來表示和求解問題的。

狀態空間法：從某個初始狀態開始，每次加一個操作符，遞增地建立起操作符的實驗序列，直到達到目標狀態為止。

狀態圖：初始狀態可達到的各狀態所對應的節點群組成的圖。尋找從一種狀態變換為另一種狀態的某個算符序列問題等價於尋找圖的某一路徑問題。

下面幾個概念需要掌握：圖，有向圖，後繼節點，父輩節點，路徑，代價
狀態：為描述某類不同事物間的差別而引入的一組最少變數的有序集合
狀態變數：狀態集合中的每個元素
具體狀態：給定每個分量的一組值
操作符：使問題從一種狀態變換到另一種狀態的手段，也叫算符。算符可以是走步，過程，規則，數學運算元，運算子號或邏輯符號等。
問題的狀態空間：表示該問題全部可能狀態及其關係的圖，它包含三種說明的集合，即所有可能的問題初始狀態集合S，操作符集合F以及目標狀態集合G 狀態空間可記為三元組(S,F,G)
————chapter 2 end——————
chapter 3
搜尋：根據問題的實際情況，不斷尋找可利用知識，從而構造一條代價較小的推理路線，使問題得以解決的過程。
搜尋的分類：按是否使用啟發學習法資訊分為(盲目搜尋和啟發學習法搜尋)
按問題的表示方式分為(狀態空間搜尋，與/或圖搜尋)
狀態空間法和問題歸約法是人工智慧中最基本的兩種問題求解方法；狀態空間標記法和與／或樹標記法則是人工智慧中最基本的兩種問題表示方法。
一般圖搜尋的資料結構：open表–用於存放剛產生的節點，由於這些節點還沒有進行擴充，故open表也可稱為未擴充節點表。
closed表–用於存放已經擴充的節點，故closed表也稱為已擴充節點表。
——————-miss a lot————————————–

chapter 5
遺傳演算法：它是基於進化過程中的資訊遺傳機制和優勝劣汰的自然選擇原則的搜尋演算法。它使用機率搜尋過程在該狀態空間中搜尋，產生新的樣本。特點是通用，魯棒，次優解和滿意解都能發現。
遺傳演算法與傳統最佳化演算法的主要不同：
1.遺傳演算法不是直接作用在參變數集上，而是利用參變數集的某種編碼
2.遺傳演算法不是從單個點，而是在群體中從一個點開始搜尋。
3.遺傳演算法利用適應值資訊，無需導數或其他輔助資訊。
3.遺傳演算法利用機率轉移規則，而非確定性規則。
遺傳演算法的準備工作：
1.確定表示方案
2.確定適應值的度量
3.確定控制該演算法的參數和變數
4.確定怎樣指定結果及程式運行結束的標準
步驟：
編碼 —初始群體產生—適應度評價—選擇–交叉操作—變異—新群體的產生–重複
遺傳演算法的工作步驟：
（1）編碼：將待解空間的解資料表示成基因型串結構資料
（2）初始群體的產生：按照設定的編碼方案，隨機產生N個初始串結構資料，構成一個種群作為初始點開始迭代。
（3）適應性評估檢測：適應度函數對每個種子進行分值評定，表明種子的優劣性。
（4）選擇：從當前群體中選出優良的種子作為父代繁殖下一代。常用輪盤賭實現。
（5）雜交：按照設定的雜交率可以得到新一代個體，新個體組合了其父輩個體的特性。
（6）變異：對於選中的個體按照變異率改變串結構資料中某個串的值。
——-chapter 5 end——————————————-