دوره طراحی عوامل هوشمند برای بازی‌های ویدئویی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب طراحی عوامل هوشمند برای بازی‌های ویدئویی

موضوع کلی: هوش مصنوعی پیشرفته در بازی‌های کامپیوتری

موضوع میانی: پارادایم‌های هوشمند پیشرفته

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر عوامل هوشمند در بازی‌های ویدئویی
• 2. تاریخچه هوش مصنوعی در بازی‌ها
• 3. مفاهیم کلیدی عوامل هوشمند
• 4. معماری‌های عامل هوشمند
• 5. طراحی عامل هوشمند مبتنی بر قانون
• 6. یادگیری تقویتی برای عوامل بازی
• 7. یادگیری عمیق برای عوامل بازی
• 8. شبکه‌های عصبی کانولوشنال (CNN) برای عوامل بازی
• 9. شبکه‌های عصبی بازگشتی (RNN) برای عوامل بازی
• 10. شبکه‌های عصبی ترنسفورمر برای عوامل بازی
• 11. یادگیری تقویتی عمیق (DRL)
• 12. الگوریتم‌های DRL کلیدی
• 13. یادگیری تقویتی چند عاملی (MARL)
• 14. چالش‌های MARL
• 15. برنامه‌ریزی و جستجوی عامل هوشمند
• 16. درخت جستجوی مونت کارلو (MCTS)
• 17. سیستم‌های مبتنی بر دانش
• 18. سیستم‌های مبتنی بر جستجو
• 19. سیستم‌های مبتنی بر یادگیری
• 20. مدل‌سازی رفتار بازیکن
• 21. پیش‌بینی رفتار بازیکن
• 22. شخصیت‌پردازی عامل هوشمند
• 23. شخصیت‌پردازی پویا
• 24. احساسات عامل هوشمند
• 25. مدیریت حالت احساسی
• 26. ارتباطات بین عوامل هوشمند
• 27. زبان طبیعی در عوامل بازی
• 28. ارتباطات غیرکلامی
• 29. استراتژی‌های تصمیم‌گیری عامل هوشمند
• 30. درخت‌های رفتار
• 31. ماشین‌های وضعیت محدود (FSM)
• 32. ماشین‌های وضعیت سلسله مراتبی (HSM)
• 33. سیستم‌های مبتنی بر هدف
• 34. برنامه‌ریزی مبتنی بر عامل
• 35. سیستم‌های مبتنی بر گره‌های رفتار (Behavior Trees)
• 36. طراحی گره‌های رفتار
• 37. تجزیه و تحلیل گره‌های رفتار
• 38. گراف‌های رفتاری
• 39. مدل‌سازی انگیزه عامل
• 40. مدل‌سازی انگیزه‌های درونی
• 41. مدل‌سازی انگیزه‌های بیرونی
• 42. سیستم‌های مبتنی بر نقش
• 43. طراحی نقش برای عوامل
• 44. تکامل نقش‌ها
• 45. سیستم‌های مبتنی بر هوش جمعی
• 46. الگوریتم‌های بهینه‌سازی کلونی مورچه (ACO)
• 47. الگوریتم‌های بهینه‌سازی ازدحام ذرات (PSO)
• 48. الگوریتم‌های ژنتیک (GA)
• 49. تکامل عوامل هوشمند
• 50. تکامل رفتارهای پیچیده
• 51. تکامل استراتژی‌ها
• 52. یادگیری از طریق مشاهده
• 53. یادگیری از طریق تقلید
• 54. یادگیری تقویتی از طریق مشاهده
• 55. سیستم‌های یادگیری فعال
• 56. عوامل خودکار
• 57. عوامل یادگیرنده
• 58. عوامل تطبیقی
• 59. طراحی عوامل برای بازی‌های استراتژی
• 60. طراحی عوامل برای بازی‌های اکشن
• 61. طراحی عوامل برای بازی‌های نقش‌آفرینی
• 62. طراحی عوامل برای بازی‌های ورزشی
• 63. طراحی عوامل برای بازی‌های پازل
• 64. طراحی عوامل برای بازی‌های شبیه‌سازی
• 65. طراحی عوامل برای بازی‌های سندباکس
• 66. طراحی عوامل برای بازی‌های رقابتی
• 67. طراحی عوامل برای بازی‌های همکاری
• 68. طراحی عوامل برای بازی‌های تک‌نفره
• 69. طراحی عوامل برای بازی‌های چندنفره
• 70. ارزیابی عملکرد عوامل هوشمند
• 71. معیارهای ارزیابی عامل
• 72. تست و اشکال‌زدایی عوامل هوشمند
• 73. تکنیک‌های اشکال‌زدایی
• 74. روش‌های تست
• 75. اخلاق در طراحی عوامل هوشمند
• 76. سوگیری در عوامل هوشمند
• 77. شفافیت در عوامل هوشمند
• 78. قابلیت تفسیر در عوامل هوشمند
• 79. طراحی عوامل برای تجربیات بازیکن
• 80. تأثیر عوامل هوشمند بر گیم‌پلی
• 81. افزایش چالش
• 82. افزایش غوطه‌وری
• 83. ایجاد داستان‌های پویا
• 84. شخصی‌سازی تجربه بازیکن
• 85. عوامل هوشمند به عنوان شخصیت‌های بازی
• 86. عوامل هوشمند به عنوان دستیاران بازیکن
• 87. عوامل هوشمند به عنوان حریفان
• 88. معماری‌های یادگیری عمیق برای بازی‌های پیچیده
• 89. مدل‌های مولد برای عوامل بازی
• 90. تولید محتوای پویا توسط عوامل
• 91. استفاده از یادگیری تقویتی در بازی‌های جهان باز
• 92. چالش‌های یادگیری تقویتی در محیط‌های پویا
• 93. استفاده از شبکه‌های عصبی گراف (GNN) برای عوامل بازی
• 94. عوامل هوشمند برای بازی‌های مبتنی بر فیزیک
• 95. شبیه‌سازی فیزیکی توسط عوامل
• 96. یادگیری تقویتی برای کنترل رباتیک در بازی‌ها
• 97. مفاهیم پیشرفته در یادگیری تقویتی چند عاملی
• 98. هماهنگی بین عوامل
• 99. رقابت بین عوامل
• 100. یادگیری همکاری