دوره برنامه‌نویسی هوش مصنوعی بازی با Lua: راهنمای کامل پیاده‌سازی رفتارهای هوشمند همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب برنامه‌نویسی هوش مصنوعی بازی با Lua: راهنمای کامل پیاده‌سازی رفتارهای هوشمند

موضوع کلی: توسعه بازی‌های ویدئویی

موضوع میانی: هوش مصنوعی در بازی‌سازی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر دوره و هوش مصنوعی در بازی
• 2. چرا از Lua برای برنامه‌نویسی هوش مصنوعی استفاده می‌کنیم؟
• 3. راه‌اندازی محیط توسعه (Lua و ویرایشگر کد)
• 4. مبانی زبان Lua: متغیرها، انواع داده و عملگرها
• 5. ساختارهای کنترلی در Lua: شرط‌ها و حلقه‌ها
• 6. توابع و حوزه‌بندی (Scope) در Lua
• 7. کار با جداول (Tables): قلب تپنده Lua
• 8. متا-جدول‌ها (Metatables) و متا-متدها (Metamethods)
• 9. شبیه‌سازی برنامه‌نویسی شیءگرا با استفاده از جداول
• 10. هم‌روندها (Coroutines) برای وظایف همزمان در هوش مصنوعی
• 11. مقدمه‌ای بر ریاضیات بازی: بردارها (Vectors)
• 12. عملیات اصلی برداری: جمع، تفریق، اندازه و نرمال‌سازی
• 13. ضرب داخلی (Dot Product) و کاربردهای آن در هوش مصنوعی
• 14. مقدمه‌ای بر فیزیک پایه برای هوش مصنوعی: مکان، سرعت و شتاب
• 15. مدیریت زمان: گام زمانی (Delta Time) و استقلال از نرخ فریم
• 16. معرفی موجودیت (Entity) پایه برای عامل‌های هوشمند
• 17. رفتارهای حرکتی (Steering Behaviors): مقدمه
• 18. پیاده‌سازی رفتار جستجو (Seek)
• 19. پیاده‌سازی رفتار گریز (Flee)
• 20. پیاده‌سازی رفتار رسیدن (Arrive) با کاهش سرعت
• 21. پیاده‌سازی رفتار سرگردانی (Wander) برای حرکت تصادفی
• 22. ترکیب رفتارهای حرکتی با استفاده از وزن‌دهی
• 23. رفتار تعقیب (Pursue) و پیش‌بینی موقعیت هدف
• 24. رفتار فرار (Evade) از تعقیب‌کننده
• 25. رفتار دوری از موانع (Obstacle Avoidance)
• 26. رفتار دوری از دیوارها (Wall Avoidance)
• 27. رفتار کمین کردن (Hide) در پشت موانع
• 28. رفتار دنبال کردن مسیر (Path Following)
• 29. مقدمه‌ای بر رفتار گروهی (Flocking)
• 30. قانون اول گله: جداسازی (Separation)
• 31. قانون دوم گله: هم‌ترازی (Alignment)
• 32. قانون سوم گله: انسجام (Cohesion)
• 33. پیاده‌سازی کامل سیستم Flocking
• 34. مقدمه‌ای بر مسیریابی (Pathfinding)
• 35. نمایش دنیای بازی: گراف‌ها و شبکه‌های توری (Grids)
• 36. الگوریتم جستجوی اول سطح (Breadth-First Search)
• 37. الگوریتم دایکسترا (Dijkstra) برای یافتن کوتاه‌ترین مسیر
• 38. هیوریستیک‌ها (Heuristics) در مسیریابی
• 39. معرفی الگوریتم A* (A-Star)
• 40. پیاده‌سازی گام به گام A* در Lua
• 41. بهینه‌سازی A* با صف اولویت (Priority Queue)
• 42. مسیریابی در محیط‌های پویا با موانع متحرک
• 43. آشنایی با مش‌های ناوبری (Navigation Meshes)
• 44. هموارسازی مسیر (Path Smoothing)
• 45. مسیریابی سلسله‌مراتبی (Hierarchical Pathfinding) برای نقشه‌های بزرگ
• 46. گراف‌های مبتنی بر نقاط کلیدی (Waypoint Graphs)
• 47. دیباگ و بصری‌سازی الگوریتم‌های مسیریابی
• 48. مقدمه‌ای بر ماشین‌های حالت متناهی (Finite State Machines - FSM)
• 49. پیاده‌سازی یک FSM ساده در Lua
• 50. مفاهیم FSM: حالت‌ها، انتقال‌ها و اقدامات
• 51. مدیریت حالت‌ها با پشته (Pushdown Automata)
• 52. طراحی یک کلاس FSM عمومی و قابل استفاده مجدد
• 53. مطالعه موردی: هوش مصنوعی نگهبان با FSM (گشت‌زنی، تعقیب، حمله)
• 54. حالت‌های زمان‌بندی شده و انتقال‌های خودکار
• 55. حالت‌های سراسری (Global States) برای رویدادهای عمومی
• 56. سیستم پیام‌رسانی برای ارتباط بین FSMها
• 57. مقدمه‌ای بر ماشین‌های حالت سلسله‌مراتبی (HFSM)
• 58. پیاده‌سازی یک HFSM برای مدیریت پیچیدگی
• 59. مزایا و معایب استفاده از FSM
• 60. مقدمه‌ای بر منطق فازی (Fuzzy Logic)
• 61. تعریف متغیرهای فازی و مجموعه‌های فازی
• 62. پیاده‌سازی یک کنترل‌گر منطق فازی ساده برای تصمیم‌گیری
• 63. مقدمه‌ای بر درخت‌های رفتار (Behavior Trees - BT)
• 64. مفاهیم کلیدی BT: وظایف، گره‌ها و تخته سیاه (Blackboard)
• 65. گره‌های ترکیبی: گره ترتیب (Sequence)
• 66. گره‌های ترکیبی: گره انتخاب‌گر (Selector)
• 67. پیاده‌سازی یک موتور اجرای درخت رفتار ساده
• 68. گره‌های برگ (Leaf Nodes): اقدامات (Actions) و شرایط (Conditions)
• 69. مطالعه موردی: بازنویسی هوش مصنوعی نگهبان با درخت رفتار
• 70. گره‌های تزئین‌گر (Decorators): معکوس‌کننده (Inverter)
• 71. گره‌های تزئین‌گر: تکرارکننده (Repeater) و شرایط توقف
• 72. گره‌های موازی (Parallel) برای اجرای همزمان وظایف
• 73. تخته سیاه (Blackboard) به عنوان حافظه مشترک درخت رفتار
• 74. سرویس‌ها (Services) در درخت‌های رفتار برای به‌روزرسانی دانش
• 75. مقایسه درخت‌های رفتار و ماشین‌های حالت
• 76. ابزارهای بصری‌سازی و دیباگ درخت‌های رفتار
• 77. ساخت یک کتابخانه درخت رفتار قابل استفاده مجدد در Lua
• 78. مقدمه‌ای بر هوش مصنوعی مبتنی بر سودمندی (Utility-Based AI)
• 79. طراحی منحنی‌های پاسخ (Response Curves) برای ارزیابی اقدامات
• 80. پیاده‌سازی یک سیستم تصمیم‌گیری مبتنی بر سودمندی
• 81. مقدمه‌ای بر برنامه‌ریزی کنش هدف‌گرا (Goal-Oriented Action Planning - GOAP)
• 82. مفاهیم GOAP: کنش‌ها، پیش‌شرط‌ها و اثرات
• 83. الگوریتم برنامه‌ریز (Planner) در GOAP
• 84. مقایسه GOAP با FSM و درخت‌های رفتار
• 85. درک و حس کردن محیط: میدان دید (Field of View)
• 86. شبیه‌سازی حس شنوایی و واکنش به صدا
• 87. پیاده‌سازی سیستم ارتباطی بین عامل‌های هوشمند
• 88. نمایش دانش (Knowledge Representation) در هوش مصنوعی
• 89. مقدمه‌ای بر نقشه‌های نفوذ (Influence Maps)
• 90. پیاده‌سازی نقشه نفوذ برای تحلیل تاکتیکی محیط
• 91. هوش مصنوعی برای تیم و جوخه (Squad-Based AI)
• 92. پیاده‌سازی آرایش‌های نظامی (Formations)
• 93. مدیر هوش مصنوعی (AI Director) برای کنترل پویای بازی
• 94. یکپارچه‌سازی اسکریپت‌های Lua با موتور بازی (مثال با LÖVE 2D)
• 95. ارتباط Lua با C++: اصول اولیه Binding
• 96. ملاحظات عملکردی در هوش مصنوعی بازی
• 97. پروفایل‌سنجی (Profiling) کدهای هوش مصنوعی در Lua
• 98. تکنیک‌ها و ابزارهای دیباگ کردن رفتارهای هوشمند
• 99. مقدمه‌ای کوتاه بر یادگیری ماشین (Machine Learning) در بازی‌ها
• 100. آشنایی با شبکه‌های عصبی (Neural Networks) به صورت مفهومی