اپلیکیشن اندرویدی فلش‌کارت آموزشی طراحی رفتار شخصیت‌های بازی با هوش مصنوعی پیشرفته

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب طراحی رفتار شخصیت‌های بازی با هوش مصنوعی پیشرفته

موضوع کلی: هوش مصنوعی در بازی‌سازی

موضوع میانی: الگوریتم‌ها و تکنیک‌های هوش مصنوعی برای بازی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه بر رفتار شخصیت بازی
• 2. فلسفه طراحی رفتار در بازی
• 3. نقش هوش مصنوعی در رفتار شخصیت
• 4. مبانی هوش مصنوعی در بازی
• 5. مفاهیم کلیدی هوش مصنوعی پیشرفته
• 6. اهداف دوره: طراحی رفتار پیچیده
• 7. اهداف دوره: شخصیت‌های باورپذیر
• 8. اهداف دوره: گیم‌پلی پویا
• 9. اهداف دوره: چالش‌های هوش مصنوعی
• 10. مروری بر کتاب "AI Game Programming Wisdom"
• 11. فصل اول: اصول اولیه رفتار
• 12. تعریف رفتار پایه شخصیت
• 13. ضرورت طراحی رفتار
• 14. انواع رفتار در بازی
• 15. رفتار خطی در مقابل رفتار تطبیقی
• 16. مدل‌های ساده رفتار (مثال: دنبال کردن)
• 17. مدل‌های پیچیده‌تر رفتار
• 18. تأثیر رفتار بر تجربه بازیکن
• 19. اهمیت جزئیات در رفتار
• 20. ارتباط رفتار با گیم‌پلی
• 21. چالش‌های پیاده‌سازی رفتار
• 22. فصل دوم: ساختارهای تصميم‌گيری
• 23. مقدمه بر ساختارهای تصمیم‌گیری
• 24. درختان تصمیم (Decision Trees)
• 25. مزایا و معایب درختان تصمیم
• 26. پیاده‌سازی درختان تصمیم
• 27. محدودیت‌های درختان تصمیم
• 28. ماشین‌های حالت متناهی (Finite State Machines - FSM)
• 29. انواع FSM (ایالات، گذارها، رویدادها)
• 30. پیاده‌سازی FSM
• 31. مزایا و معایب FSM
• 32. FSM سلسله مراتبی (Hierarchical FSM)
• 33. FSM مبتنی بر رویداد (Event-driven FSM)
• 34. فصل سوم: رفتار مبتنی بر قوانین
• 35. قوانین ساده و پیچیده
• 36. سیستم‌های مبتنی بر قوانین (Rule-Based Systems)
• 37. موتورهای قوانین (Rule Engines)
• 38. استفاده از قواعد برای رفتار
• 39. مزایا و معایب رویکرد مبتنی بر قوانین
• 40. مثال‌های کاربردی رفتار مبتنی بر قوانین
• 41. ترکیب قوانین برای رفتار پیچیده
• 42. مدیریت تداخل قوانین
• 43. بهینه‌سازی سیستم‌های مبتنی بر قوانین
• 44. فصل چهارم: جستجو و مسیریابی
• 45. مقدمه بر جستجو در بازی
• 46. مسئله مسیریابی (Pathfinding)
• 47. الگوریتم A*
• 48. کاربرد A* در بازی
• 49. بهینه‌سازی A*
• 50. انواع شبکه‌های مسیریابی (Grid, NavMesh)
• 51. نورون‌های عصبی و مسیریابی
• 52. تکنیک‌های جستجوی پیشرفته
• 53. جستجوی غیرمنتظره (Uninformed Search)
• 54. جستجوی منتظره (Informed Search)
• 55. فصل پنجم: ادراک و حس
• 56. چگونه شخصیت‌ها جهان را ادراک می‌کنند؟
• 57. حس بینایی (Vision)
• 58. حس شنوایی (Hearing)
• 59. حس لمس (Tactile Sense)
• 60. حس بویایی (Olfactory Sense)
• 61. مدل‌سازی ادراک در بازی
• 62. محدودیت‌های ادراک شخصیت
• 63. تأثیر ادراک بر تصمیم‌گیری
• 64. پنهان‌کاری و ادراک
• 65. هوش مصنوعی ادراکی
• 66. فصل ششم: یادگیری و تطبیق
• 67. مقدمه بر یادگیری در هوش مصنوعی بازی
• 68. یادگیری تقویتی (Reinforcement Learning)
• 69. مفاهیم کلیدی یادگیری تقویتی
• 70. پیاده‌سازی ساده یادگیری تقویتی
• 71. یادگیری با نظارت (Supervised Learning)
• 72. یادگیری بدون نظارت (Unsupervised Learning)
• 73. تطبیق رفتار با بازیکن
• 74. یادگیری از تجربه
• 75. یادگیری پویا در طول بازی
• 76. چالش‌های یادگیری در زمان واقعی
• 77. فصل هفتم: رفتار اجتماعی و گروهی
• 78. رفتار شخصیت‌های تکی در مقابل رفتار گروهی
• 79. مدل‌سازی رفتار گله‌ای (Flocking)
• 80. رفتار تعقیب و گریز (Pursuit-Evasion)
• 81. مدل‌سازی همکاری (Cooperation)
• 82. مدل‌سازی رقابت (Competition)
• 83. سیستم‌های پیچیده تطبیقی (Complex Adaptive Systems)
• 84. مدل‌سازی روانشناسی گروهی
• 85. رفتار رهبری و پیروی
• 86. مدیریت ازدحام (Crowd Simulation)
• 87. رفتار تیمی و تاکتیک‌ها
• 88. فصل هشتم: احساسات و انگیزه
• 89. مقدمه بر مدل‌سازی احساسات
• 90. نظریه‌های احساسات در روانشناسی
• 91. پیاده‌سازی احساسات در شخصیت
• 92. تأثیر احساسات بر رفتار
• 93. مدل‌سازی انگیزه (Motivation)
• 94. نیازها و اهداف شخصیت
• 95. اثرات خستگی، گرسنگی و ترس
• 96. مدل‌سازی شخصیت با عمق
• 97. ارتباط احساسات با داستان‌سرایی
• 98. رفتار غیرقابل پیش‌بینی ناشی از احساسات
• 99. فصل نهم: برنامه‌ریزی و استراتژی
• 100. مقدمه بر برنامه‌ریزی در هوش مصنوعی