目次
-
■第1部 基本篇
第1章 ストラテジーゲームとは
1.1 ストラテジーゲームにおける人工知能技術
1.2 ターン制と想像力
第2章 ストラテジーゲームと人工知能
2.1 ストラテジーゲームの定義
2.2 ストラテジーゲームの3つの分類
2.3 ストラテジーゲームにおいて人工知能がなぜ必要か？
2.4 ストラテジーゲームにおける時間と空間
2.5 ストラテジーゲームの人工知能の例題
2.6 「ストラテジーゲームと人工知能」まとめ
第3章 ゲームAIの基礎事項
3.1 ゲームAI小史
3.2 3つのAIの役割とスケールとプレイヤー体験
3.3 メタAI技術
3.4 キャラクターAI
3.5 スパーシャルAI
3.6 影響マップ
3.7 知能方程式
3.8 「ゲームAIの基礎事項」まとめ
■第2部 技術篇
第4章 指揮官としての人工知能―「メンバーやユニットを指揮するゲーム」
4.1 チーム・空間・時間の階層化
4.2 チームの階層化
4.3 空間の階層化
4.4 時間の階層化
4.5 コンストラクション
4.6 スカウティング
4.7 パス検索、群制御、ステアリング
4.8 時間あたりのコマンド数
4.9 グループ・マネージメント
4.10 ポートフォリオ
4.11 ニューラルネットワークによる学習
4.12 「指揮官としての人工知能」まとめ
第5章 プレイヤーと共創する人工知能―「世界シミュレーション」
5.1 マップの下の多層構造
5.2 エージェント・シミュレーション
5.3 スクリプティング
5.4 地形解析
5.5 地形解析の実例
5.6 地形生成
5.7 テクノロジーツリー
5.8 「プレイヤーと共創する人工知能」まとめ
第6章 学習し、成長する人工知能―「育成系ストラテジーゲーム」
6.1 複数の役割のエージェントを組み合わせる
6.2 遺伝的アルゴリズムによるバランス調整
6.3 遺伝的アルゴリズムによるユーザー・マッチング
6.4 ニューロエヴォリューション―キャラクターを進化させる―
6.5 ニューラルネットワーク―キャラクターを学習させる―
6.6 パーセプトロンと決定木
6.7 プランニング・アルゴリズム
6.8 「学習し、成長する人工知能」まとめ
■第3部 発展篇
第7章 ストラテジーゲームの学術的研究
7.1 ストラテジーゲームの人工知能研究の歴史
7.2 ストラテジーゲームの研究環境
7.3 アーキテクチャの研究～『スタークラフト』研究
7.4 ディープラーニングの応用1～『スタークラフト2』の研究
7.5 ディープラーニングの応用2～『Dota 2』のOpenAIFive
7.6 モンテカルロ木探索の応用
7.7 遺伝的プログラミングによるゲーム自動生成
7.8 『Capture the Flag』の戦術学習
7.9 「OpenAI」におけるマルチエージェント自動カリキュラム学習
7.10 「ストラテジーゲームの学術的研究」まとめ
第8章 ストラテジーゲームの人工知能の一般理論
8.1 ストラテジーゲームの再定義
8.2 時系列という考え方
8.3 時間階層化と空間階層化
8.4 アテンションとシミュレーション
8.5 アテンションの向け方とフレームの構成
8.6 上位の人工知能と下位の人工知能
8.7 時空間の把握
8.8 行動可能性、アフォーダンス
8.9 行動の効果
8.10 基本概念のまとめ
8.11 スマートシティへの応用
8.12 「ストラテジーゲームの人工知能の一般理論」まとめ
情報理論・情報科学 ランキング
情報理論・情報科学のランキングをご紹介します情報理論・情報科学 ランキング一覧を見る
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む
