فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی هوش مصنوعی بازی با الگوهای رفتاری (بر اساس کتاب Programming Game AI by Example)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی هوش مصنوعی بازی با الگوهای رفتاری (بر اساس کتاب Programming Game AI by Example)

موضوع کلی: هوش مصنوعی در بازی‌سازی

موضوع میانی: پیاده‌سازی هوش مصنوعی رفتاری در بازی‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی در بازی‌سازی
• 2. چرا به هوش مصنوعی در بازی‌ها نیاز داریم؟
• 3. بررسی کتاب Programming Game AI by Example
• 4. مروری بر مفاهیم کلیدی AI در بازی
• 5. انتخاب موتور بازی و ابزارها
• 6. مبانی برنامه‌نویسی برای هوش مصنوعی
• 7. مفاهیم پایه گراف و درخت جستجو
• 8. کاربرد گراف در بازی‌ها
• 9. مفاهیم پایه گراف جهت‌دار و بدون جهت
• 10. الگوریتم‌های پیمایش گراف (DFS, BFS)
• 11. کاربرد DFS و BFS در هوش مصنوعی بازی
• 12. مسیر یابی ساده با A*
• 13. مقدمه‌ای بر الگوریتم A*
• 14. تابع Heuristic در A*
• 15. پیاده‌سازی A* برای مسیر یابی
• 16. بهینه‌سازی الگوریتم A*
• 17. مفاهیم پایه‌ای ماشین حالت متناهی (FSM)
• 18. طراحی ماشین حالت متناهی
• 19. پیاده‌سازی FSM در بازی
• 20. مثال‌های عملی FSM در بازی
• 21. مزایا و معایب FSM
• 22. محدودیت‌های FSM و نیاز به روش‌های پیشرفته‌تر
• 23. مقدمه‌ای بر درخت رفتار (Behavior Tree)
• 24. چرا درخت رفتار؟
• 25. ساختار درخت رفتار: گره‌های کامپوزیت، گره‌های شرطی، گره‌های عملیاتی
• 26. طراحی درخت رفتار
• 27. پیاده‌سازی درخت رفتار
• 28. مثال‌های عملی درخت رفتار
• 29. مدیریت وضعیت در درخت رفتار
• 30. بهبود درخت رفتار: خستگی، اولویت‌بندی
• 31. مقدمه‌ای بر ماشین وضعیت سلسله مراتبی (HTN)
• 32. تفاوت HTN با FSM و درخت رفتار
• 33. مفهوم وظایف (Tasks) و روش‌ها (Methods)
• 34. طراحی HTN
• 35. پیاده‌سازی HTN
• 36. مثال‌های عملی HTN
• 37. کاربرد HTN در سناریوهای پیچیده
• 38. مقدمه‌ای بر سیستم‌های مبتنی بر قانون (Rule-Based Systems)
• 39. معماری سیستم‌های مبتنی بر قانون
• 40. موتور استنتاج (Inference Engine)
• 41. قوانین و حقایق
• 42. پیاده‌سازی سیستم مبتنی بر قانون
• 43. کاربرد در هوش مصنوعی بازی
• 44. قواعد برای تصمیم‌گیری‌های ساده
• 45. قواعد برای سناریوهای پیچیده‌تر
• 46. مقدمه‌ای بر یادگیری ماشین در بازی‌سازی
• 47. یادگیری تقویتی (Reinforcement Learning)
• 48. مفاهیم پایه یادگیری تقویتی: عامل، محیط، حالت، عمل، پاداش
• 49. الگوریتم Q-Learning
• 50. پیاده‌سازی Q-Learning
• 51. مثال‌های ساده یادگیری تقویتی
• 52. کاربرد یادگیری تقویتی در کنترل شخصیت‌ها
• 53. یادگیری تقویتی برای استراتژی‌های بازی
• 54. شبکه‌های عصبی در بازی‌سازی
• 55. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 56. نورون‌ها و لایه‌ها
• 57. آموزش شبکه‌های عصبی
• 58. شبکه‌های عصبی کانولوشنال (CNN)
• 59. شبکه‌های عصبی بازگشتی (RNN)
• 60. کاربرد شبکه‌های عصبی در تشخیص الگو
• 61. استفاده از شبکه‌های عصبی برای پیش‌بینی رفتار
• 62. تکنیک‌های هوش مصنوعی در تاکتیک‌های تیمی
• 63. هماهنگی تیمی
• 64. پارتیشن‌بندی و تخصیص وظایف
• 65. مدیریت پوشش (Cover Management)
• 66. هوش مصنوعی برای حالت بقا (Survival AI)
• 67. هوش مصنوعی برای حالت حمله (Offensive AI)
• 68. هوش مصنوعی برای حالت دفاع (Defensive AI)
• 69. مدیریت منابع در تیم‌های هوش مصنوعی
• 70. تکنیک‌های هوش مصنوعی در کنترل ارتش (RTS AI)
• 71. برنامه‌ریزی استراتژیک
• 72. تاکتیک‌های نبرد در مقیاس بزرگ
• 73. سیستم‌های فرماندهی و کنترل
• 74. هوش مصنوعی برای مدیریت منابع در RTS
• 75. هوش مصنوعی برای ساخت و ساز در RTS
• 76. هوش مصنوعی برای پیش‌بینی اقدامات حریف
• 77. هوش مصنوعی در بازی‌های مبتنی بر پازل
• 78. هوش مصنوعی برای حل پازل‌ها
• 79. هوش مصنوعی برای تولید پازل
• 80. هوش مصنوعی برای راهنمایی بازیکن در پازل‌ها
• 81. هوش مصنوعی در بازی‌های اکشن اول شخص (FPS AI)
• 82. هوش مصنوعی دشمنان
• 83. رفتارهای گشت زنی و دیدبانی
• 84. رفتارهای حمله و دفاع
• 85. رفتارهای پناه گرفتن و استفاده از محیط
• 86. هوش مصنوعی برای همراهان (Companions)
• 87. هوش مصنوعی برای دشمنان پیچیده‌تر
• 88. تکنیک‌های پنهان‌کاری برای هوش مصنوعی
• 89. هوش مصنوعی در بازی‌های نقش آفرینی (RPG AI)
• 90. هوش مصنوعی شخصیت‌های غیر قابل بازی (NPC)
• 91. سیستم دیالوگ و تعامل
• 92. سیستم رویداد و داستان‌سرایی
• 93. هوش مصنوعی برای دشمنان و باس‌ها
• 94. هوش مصنوعی برای همراهان در RPG
• 95. مدیریت اقتصاد و تجارت توسط هوش مصنوعی
• 96. هوش مصنوعی در بازی‌های شبیه ساز (Simulation AI)
• 97. هوش مصنوعی برای شهروندان
• 98. هوش مصنوعی برای سیستم‌های اقتصادی
• 99. هوش مصنوعی برای رویدادهای تصادفی
• 100. مدیریت پیچیدگی در شبیه‌سازها