فلش‌کارت‌های آموزشی طراحی الگوریتم‌های جستجو و مسیریابی (Pathfinding) پایه برای NPCها

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب طراحی الگوریتم‌های جستجو و مسیریابی (Pathfinding) پایه برای NPCها

موضوع کلی: برنامه‌نویسی و مدیریت داده در بی‌بی‌سی میکرومپیوتر

موضوع میانی: توسعه بازی و سرگرمی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر هوش مصنوعی در بازی ها
• 2. مفهوم NPC و نقش آن در بازی
• 3. اهمیت الگوریتم های جستجو و مسیریابی برای NPCها
• 4. انواع الگوریتم های جستجو
• 5. مفاهیم پایه گراف
• 6. گره ها و یال ها در گراف
• 7. انواع گراف ها (جهت دار، بدون جهت، وزن دار)
• 8. نمایش گراف در حافظه (ماتریس مجاورت، لیست مجاورت)
• 9. پیچیدگی زمانی و فضایی الگوریتم ها
• 10. مفهوم جستجوی اول سطح (BFS)
• 11. نحوه عملکرد BFS
• 12. ساختار داده صف برای BFS
• 13. مثال کاربردی BFS
• 14. محدودیت های BFS
• 15. مفهوم جستجوی اول عمق (DFS)
• 16. نحوه عملکرد DFS
• 17. ساختار داده پشته برای DFS
• 18. مثال کاربردی DFS
• 19. محدودیت های DFS
• 20. مقایسه BFS و DFS
• 21. کاربرد BFS و DFS در مسیریابی اولیه
• 22. معرفی الگوریتم A*
• 23. مفهوم تابع هزینه (g)
• 24. مفهوم تابع پیش بینی (h)
• 25. مفهوم تابع ارزیابی (f = g + h)
• 26. نحوه عملکرد الگوریتم A*
• 27. ساختار داده اولویت صف برای A*
• 28. مثال کاربردی A*
• 29. مزایای A* نسبت به BFS و DFS
• 30. معایب A*
• 31. مفهوم Heuristic Function
• 32. انواع Heuristic Function ها
• 33. Heuristic Admissible (قابل قبول)
• 34. Heuristic Consistent (سازگار)
• 35. تاثیر Heuristic بر عملکرد A*
• 36. پیاده سازی A* در محیط های مختلف
• 37. مسیریابی در شبکه های کاشی (Tile-based grids)
• 38. مسیریابی در گراف های عمومی
• 39. مسیریابی با موانع ثابت
• 40. مسیریابی با موانع پویا
• 41. تکنیک های بهینه سازی A*
• 42. استفاده از Hash Table برای جلوگیری از پردازش تکراری
• 43. روش های کاهش پیچیدگی فضایی
• 44. معرفی الگوریتم Dijkstra
• 45. نحوه عملکرد الگوریتم Dijkstra
• 46. ساختار داده اولویت صف برای Dijkstra
• 47. مقایسه Dijkstra با A*
• 48. کاربرد Dijkstra در مسیریابی
• 49. مفهوم فاصله از مبدا
• 50. محدودیت های Dijkstra
• 51. معرفی الگوریتم Greedy Best-First Search
• 52. نحوه عملکرد Greedy Best-First Search
• 53. ساختار داده اولویت صف برای Greedy Best-First Search
• 54. مقایسه Greedy Best-First Search با A*
• 55. کاربرد Greedy Best-First Search
• 56. مفهوم Heuristic Function در Greedy Best-First Search
• 57. پیاده سازی الگوریتم های پایه در موتورهای بازی
• 58. محیط های توسعه بازی (Unity, Unreal Engine)
• 59. استفاده از کتابخانه های مسیریابی
• 60. پیاده سازی A* سفارشی
• 61. پیاده سازی BFS و DFS سفارشی
• 62. تست و اشکال زدایی الگوریتم های مسیریابی
• 63. بهینه سازی عملکرد الگوریتم ها در زمان اجرا
• 64. مدیریت حافظه در الگوریتم های مسیریابی
• 65. پرهیز از حلقه های بی نهایت
• 66. مدیریت مسیرهای غیرممکن
• 67. پیدا کردن نزدیکترین مسیر
• 68. پیدا کردن کوتاهترین مسیر
• 69. پیدا کردن مسیر بهینه
• 70. مسیریابی در فضاهای سه بعدی
• 71. مفاهیم پایه مسیریابی در فضاهای سه بعدی
• 72. کاربرد الگوریتم های دو بعدی در سه بعد
• 73. مسیریابی در محیط های پیچیده
• 74. محیط های با ارتفاع های متفاوت
• 75. محیط های با شیب های تند
• 76. مسیریابی با در نظر گرفتن دید NPC
• 77. مفهوم Line of Sight (LOS)
• 78. تاثیر LOS بر انتخاب مسیر
• 79. مسیریابی با در نظر گرفتن سرعت NPC
• 80. تاثیر سرعت بر زمان رسیدن به مقصد
• 81. مسیریابی با در نظر گرفتن توانایی های NPC
• 82. پرش، بالا رفتن، شنا کردن
• 83. مسیریابی برای گروهی از NPCها (Flocking)
• 84. مفهوم Flocking
• 85. الگوریتم های پایه Flocking
• 86. مسیریابی در بازی های چند نفره
• 87. چالش های مسیریابی در شبکه
• 88. همگام سازی مسیر NPCها
• 89. مسیریابی با در نظر گرفتن محدودیت پهنای باند
• 90. مسیریابی با استفاده از NavMesh
• 91. مفهوم NavMesh
• 92. نحوه تولید NavMesh
• 93. کاربرد NavMesh در مسیریابی
• 94. مزایای NavMesh
• 95. معایب NavMesh
• 96. تکنیک های پیشرفته تر مسیریابی
• 97. Hierarchical Pathfinding
• 98. Decentralized Pathfinding
• 99. Dynamic Pathfinding
• 100. مسیریابی با یادگیری تقویتی (Reinforcement Learning)