فلش‌کارت‌های آموزشی از مقدماتی تا پیشرفته: آموزش جامع هوش مصنوعی بازی‌ها با رویکرد Ian Millington

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از مقدماتی تا پیشرفته: آموزش جامع هوش مصنوعی بازی‌ها با رویکرد Ian Millington

موضوع کلی: هوش مصنوعی در بازی‌سازی

موضوع میانی: تکنیک‌های پایه هوش مصنوعی در بازی‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی در بازی‌ها
• 2. تاریخچه و تکامل هوش مصنوعی بازی
• 3. نقش هوش مصنوعی در تجربه بازیکن
• 4. معماری‌های کلی هوش مصنوعی بازی
• 5. چرخه به‌روزرسانی هوش مصنوعی (AI Update Loop)
• 6. مفاهیم پایه ریاضیاتی برای هوش مصنوعی (بردارها و ماتریس‌ها)
• 7. محاسبات فیزیکی پایه برای حرکت AI
• 8. معرفی موتورهای بازی و ابزارهای AI
• 9. اصول طراحی هوش مصنوعی قابل درک و چالش‌برانگیز
• 10. مدل‌سازی عامل‌های هوشمند (Agents) در بازی‌ها
• 11. مقدمه‌ای بر رفتار‌های حرکتی (Steering Behaviors)
• 12. رفتار Seek: تعقیب هدف
• 13. رفتار Flee: فرار از هدف
• 14. رفتار Arrive: رسیدن به هدف با توقف
• 15. رفتار Wander: حرکت تصادفی و گشت‌زنی
• 16. رفتار Pursuit: تعقیب پیش‌بینی‌کننده
• 17. رفتار Evade: فرار پیش‌بینی‌کننده
• 18. رفتار Obstacle Avoidance: اجتناب از موانع ثابت
• 19. رفتار Wall Avoidance: اجتناب از دیوارها و مرزها
• 20. رفتار Collision Avoidance: اجتناب از برخورد با سایر عامل‌ها
• 21. رفتار Separation: حفظ فاصله از عامل‌های دیگر
• 22. رفتار Alignment: هم‌جهت شدن با گروه
• 23. رفتار Cohesion: نزدیک شدن به مرکز گروه
• 24. رفتار Flocking: ترکیب رفتارهای جدایی، هم‌ترازی و هم‌بستگی
• 25. ترکیب رفتارهای حرکتی پیچیده
• 26. مقدمه‌ای بر مسیر‌یابی (Pathfinding)
• 27. گراف‌ها و نمایش محیط بازی
• 28. الگوریتم جستجوی BFS و DFS در مسیر‌یابی
• 29. الگوریتم Dijkstra: یافتن کوتاه‌ترین مسیر
• 30. الگوریتم A* (A-Star): بهینه‌سازی مسیر‌یابی
• 31. هیوریستیک‌ها در الگوریتم A*
• 32. پیاده‌سازی A* روی شبکه‌های سلولی (Grids)
• 33. سیستم نقاط مسیر (Waypoints)
• 34. شبکه‌های ناوبری (Navigation Meshes - NavMesh)
• 35. تولید و بهینه‌سازی NavMesh
• 36. پیمایش NavMesh
• 37. جستجوی نقطه پرش (Jump Point Search)
• 38. میدان‌های جریان (Flow Fields) برای حرکت گروهی
• 39. حرکت گروهی و NavMesh
• 40. حرکت پویای عامل‌ها و بروزرسانی مسیر
• 41. مقدمه‌ای بر سیستم‌های تصمیم‌گیری هوش مصنوعی
• 42. ماشین‌های حالت متناهی (Finite State Machines - FSM)
• 43. طراحی FSM برای عامل‌های بازی
• 44. پیاده‌سازی FSM: حالت‌ها و انتقال‌ها
• 45. ماشین‌های حالت سلسله مراتبی (Hierarchical State Machines - HSM)
• 46. مزایا و معایب FSM و HSM
• 47. درختان رفتار (Behavior Trees - BT)
• 48. گره‌های کامپوزیت (Sequence, Selector) در درختان رفتار
• 49. گره‌های دکوراتور و برگ (Leaf Nodes) در درختان رفتار
• 50. طراحی و پیاده‌سازی درختان رفتار پیچیده
• 51. مزایا و معایب درختان رفتار در مقایسه با FSM
• 52. سیستم‌های مبتنی بر هدف و برنامه‌ریزی (Goal-Oriented Action Planning - GOAP)
• 53. جهان‌بینی عامل و اهداف در GOAP
• 54. اقدامات و اثرات آن‌ها در GOAP
• 55. برنامه‌ریزی پویا با GOAP
• 56. سیستم‌های سودمندی (Utility Systems)
• 57. ارزیابی امتیازات و انتخاب عمل بهینه در Utility Systems
• 58. فازی‌سازی و منطق فازی (Fuzzy Logic) در تصمیم‌گیری
• 59. مجموعه و توابع فازی
• 60. قوانین فازی و استنتاج فازی
• 61. سیستم‌های مبتنی بر قانون (Rule-Based Systems)
• 62. هوش مصنوعی اسکریپت‌نویسی شده (Scripted AI)
• 63. ابزارهای اسکریپت‌نویسی برای هوش مصنوعی
• 64. ترکیب روش‌های مختلف تصمیم‌گیری
• 65. استراتژی‌های تصمیم‌گیری برای شخصیت‌های غیربازیکن (NPCs)
• 66. مقدمه‌ای بر سیستم‌های حسی و ادراکی AI
• 67. حس بینایی: خط دید (Line of Sight)
• 68. میدان دید (Field of View) و مخروط بینایی
• 69. حس شنوایی: ردیابی صدا
• 70. حس لامسه و برخورد
• 71. سیستم‌های حافظه برای هوش مصنوعی
• 72. ذخیره‌سازی و بازیابی اطلاعات محیطی
• 73. مدیریت توجه عامل هوشمند
• 74. درک محیط و ارزیابی تهدید
• 75. ارتباط و هماهنگی بین عامل‌ها (Communication)
• 76. مقدمه‌ای بر تاکتیک‌ها و استراتژی‌های هوش مصنوعی
• 77. سیستم‌های پوشش‌گیری (Cover Systems)
• 78. هوش مصنوعی برای یورش و دور زدن دشمن (Flanking)
• 79. آرایش‌ها و تشکیلات گروهی (Formations)
• 80. هوش مصنوعی گروهی و فرماندهی
• 81. استراتژی‌های جمع‌آوری منابع و مدیریت
• 82. برنامه‌ریزی استراتژیک در مقیاس بزرگ
• 83. هوش مصنوعی برای مدیریت اقتصاد و تولید
• 84. پیش‌بینی حرکات و واکنش‌های بازیکن
• 85. سازگاری با سبک بازی بازیکن
• 86. مقدمه‌ای بر یادگیری ماشین در هوش مصنوعی بازی
• 87. الگوریتم‌های ژنتیک برای بهینه‌سازی AI
• 88. شبکه‌های عصبی پایه در AI بازی
• 89. یادگیری تقویتی (Reinforcement Learning) مقدماتی
• 90. هوش مصنوعی تطبیق‌پذیر و یادگیری آنلاین
• 91. معماری‌های پیشرفته هوش مصنوعی بازی
• 92. سیستم‌های تابلوی سیاه (Blackboard Systems)
• 93. بهینه‌سازی عملکرد هوش مصنوعی
• 94. موازی‌سازی و چند رشته‌ای کردن AI
• 95. اشکال‌زدایی (Debugging) و تست هوش مصنوعی
• 96. هوش مصنوعی داده‌محور (Data-Driven AI)
• 97. تولید محتوای رویه‌ای (Procedural Content Generation) با AI
• 98. هوش مصنوعی ظهوریافته (Emergent AI)
• 99. هوش مصنوعی برای بازی‌های چندنفره (Multiplayer AI)
• 100. آینده هوش مصنوعی در بازی‌ها و چالش‌ها