《游戏中的人工智能（第3版）详细阐述了与游戏人工智能相关的基本解决方案，主要包括游戏AI、移动、路径发现、决策、战略和战术AI、学习、程序化内容生成、棋盘游戏、执行管理、世界接口、工具和内容创建、游戏AI编程、游戏AI设计、基于AI的游戏类型等内容。此外，本书还提供了相应的示例，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学读物和参考手册。 》

Ian Millington是Icosagon Ltd.（www.icosagon.com）的合伙人，该公司是一家开发用于娱乐、建模和模拟的新一代AI技术的咨询公司。此前，他创办了Mindlathe Ltd.，这是计算机游戏领域最大的专业AI中间件公司，致力于开发各种游戏类型和技术。他在人工智能方面有很深的背景，包括在复杂度理论和自然计算方面的博士研究。他学识渊博，曾经发表过从古生物学到超文本等主题广泛的学术文章和专业论文。

前 言 2017年5月，在中国乌镇围棋峰会上，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发的围棋AI（Artificial Intelligence，人工智能）程序AlphaGo与当时世界排名第一的中国棋手柯洁对战，并以3比0的总比分完胜。至此，围棋AI的棋力超越人类围棋的最高水平成为不争的事实。 实际上，AI创造的辉煌并不是从那一天开始的。1997年，IBM的深蓝计算机首次战胜国际象棋棋王卡斯帕罗夫也同样成为佳话。2014年10月，浪潮天梭击败了5位中国象棋特级大师。从那时起，普通玩家使用家用个人计算机，通过象棋软件击败国家特级大师已不是什么新鲜事，目前的中国象棋第一人王天一就经常在与普通“棋友”的直播对弈中折戟沉沙。 象棋游戏AI的设计依赖于极小极大化算法、AB修剪、负值侦察、置换表和开局库等技术，本书第8章对此有详细介绍。象棋很早就被计算机AI攻克，因为它的变化相对围棋而言较少，并且有大量的棋谱可用，而围棋的状态空间复杂度是10172，博弈树复杂度是10300，曾经被认为是计算机AI无法翻越的高山。但是，凭借着机器学习和神经网络的利器，计算机AI实现了历史性的突破。本书第7章介绍了机器学习技术。 除了在棋盘游戏中发威，AI技术在其他类型的游戏中也给玩家留下了深刻的印象，例如，有限状态机、路径发现（这是“寻路术”技术的代名词，本书第3章有详细介绍）、转向行为、自动编队、行为树决策、模糊逻辑决策、航点和战术分析等。这些技术都关联着大量算法，本书对这些算法都进行了详细的分析，并提供了伪代码（方便开发人员在不同的编程语言中实现）、实现说明...