游戏AI paper记录

个人邮箱mail adress：[email protected]

–

个人感觉去看游戏AIpaper之前应该具备的一些知识如下：

• 机器学习（Machine Learning）：如果没有机器学习基础，去看paper会很吃力，至少要对机器学习中的名称要敏感，这样也好在遇到不懂的算法时去查看知识。强烈推荐不懂或补充知识的时候看英文书Machine Learning A Probabilistic Perspective by Kevin P. Murphy（虽然手上有电子书，但是害怕发出来会有侵权，想要的发邮件给我吧），中文的入门推荐看去b站上看吴恩达的视频
• 深度学习模型（DeepLearning）：如果机器学习可以似懂非懂的来接触，那深度学习必要基础应该是必备的，主要是目前深度强化学习的应用，以及游戏场景生成中深度学习的应用。必要的模型CNN、DNN、GAN，其余的可以遇到后再返回去看模型。
• 蒙特卡洛搜索树（Monte Carlo Tree Search(MCTS)）:这可能是游戏有区别于人工智能其余领域的知识，这个方法应该是去看paper前必须学会的，想学习的朋友可以看这篇paper，Browne CB, Powley E, Whitehouse D, Lucas SM, Cowling PI, Rohlfshagen P, Tavener S, Perez D, Samothrakis S, Colton S. A survey of monte carlo tree search methods. IEEE Transactions on Computational Intelligence and AI in games. 2012 Feb 3;4(1):1-43.
• 遗传算法（evolutionary algorithm）：同蒙特卡洛搜索树，遗传算法相较而言可能更容易理解，该算法在游戏生成器和战斗AI领域有大量的应用，推荐看我导师Diego的这篇paper，Gaina RD, Devlin S, Lucas SM, Perez D. Rolling horizon evolutionary algorithms for general video game playing. IEEE Transactions on Games. 2021 Feb 18.
• 强化学习（Reinforcement Learning）：强化学习的发展历史可以说是很长了，主要是通过在迭代中不断反馈下一阶段的reward来更新agent的policy。这对于学习游戏AI的朋友来说绝对是必备知识了，想学习的除了推荐b站中文视频之外也推荐看一下我的老师paulo rauber的博客（滑稽脸），可以说是十分详尽了

---

其余读过的paper都集中收录在作者的github Wiki里，有兴趣的老爷可以移步前往，顺带给我的wiki加颗star！！！