ゲーム情報学概論―ゲームを切り拓く人工知能 [単行本]

ゲーム情報学概論―ゲームを切り拓く人工知能 [単行本] の 商品概要

• 目次

  第Ⅰ部　ゲーム情報学概論
  プロローグ
  
  1.　ゲームとはなにか
  1.1　ゲームを定義する
  　1.1.1　ゲームの定義を試みた人たち
  　1.1.2　ゲームの情報学的定義
  　1.1.3　ゲーム情報学の研究領域
  1.2　ゲームの情報学的分類
  　1.2.1　プレーヤの数による分類
  　1.2.2　完全情報性
  　1.2.3　確定性
  　1.2.4　ゼロ和性
  　1.2.5　有限性
  　1.2.6　ゲームの分類とその役割
  
  2.　ゲーム情報学の基礎
  2.1　ゲームと問題解決
  　2.1.1　ゲームと問題解決空間
  　2.1.2　一般問題解決器
  　2.1.3　二人完全情報確定ゼロ和ゲーム
  　2.1.4　ゲーム木と必勝法
  　2.1.5　探索量から見たゲームの複雑さ
  2.2　ゲーム情報学の歴史
  　2.2.1　チェス
  　2.2.2　将棋
  　2.2.3　囲碁
  　2.2.4　その他のゲーム
  
  3.　ゲームAIと認知研究
  3.1　ゲームAIとアルゴリズム
  　3.1.1　ゲームAIの三つのアプローチ
  　3.1.2　ルールベースアプローチ
  　3.1.3　探索的アプローチ
  　3.1.4　学習的アプローチ
  3.2　ゲームと認知科学
  　3.2.1　認知科学的研究とその手法
  　3.2.2　ゲームの認知科学研究
  　3.2.3　人間の思考とコンピュータの思考
  　3.2.4　自然なゲームAIの研究
  
  第Ⅰ部の参考図書
  第Ⅰ部の引用・参考文献
  
  第Ⅱ部　ゲーム情報学のアルゴリズム
  プロローグ
  
  4.　最短経路の探索とコスト関数：15パズル
  4.1　15パズル
  4.2　15パズルのグラフ探索
  4.3　A*アルゴリズム
  4.4　問題を緩和してhコストを設計する方法
  
  5.　ゲーム理論の基礎知識：囚人のジレンマ，ジャンケン，三目並べ
  5.1　戦略型ゲームと戦略の優劣
  5.2　ナッシュ均衡と混合拡大
  5.3　二人ゼロ和ゲームの均衡点とミニマックス定理
  5.4　展開型ゲーム
  5.5　展開型ゲームの戦略と後ろ向き帰納法
  
  6.　ミニマックスゲーム木とその探索：三目並べ，オセロ，チェス，将棋
  6.1　ミニマックスゲーム木
  6.2　ミニマックスゲーム木の深さ優先探索
  6.3　ミニマックスゲーム木のab探索法
  6.4　AND/OR木と証明数
  6.5　ミニマックスゲーム木のグラフ探索
  6.6　ヒューリスティックミニマックス探索
  
  7.　モンテカルロ法を用いた強化学習：ブラックジャック
  7.1　強化学習概要
  7.2　ブラックジャックとその基本ルール
  7.3　ゲーム状態，行動および報酬の表現
  7.4　モンテカルロ法による方策評価
  7.5　方策の改善
  
  第Ⅱ部の引用・参考文献
  
  第Ⅲ部　デジタルゲームへの応用
  プロローグ
  
  8.　ゲームAI：アクションゲームとボードゲームの比較
  8.1　デジタルゲームの原理
  8.2　ボードゲームとデジタルゲームの人工知能の違い
  8.3　知識表現・世界表現
  8.4　ゲーム表現
  8.5　キャラクターの行動表現
  8.6　デジタルゲームAIの全体像
  　8.6.1　キャラクターAI
  　8.6.2　メタAI
  　8.6.3　ナビゲーションAI
  
  9.　キャラクターAI
  9.1　エージェントアーキテクチャ
  9.2　センサモジュール
  9.3　知識生成モジュール
  9.4　意思決定モジュール
  9.5　エフェクタと運動生成モジュール
  9.6　記憶とインフォメーションフロー
  9.7　記憶の形
  9.8　黒板モデル（ブラックボードアーキテクチャ）
  
  10.　ゲームAIの知識表現と意思決定アルゴリズム
  10.1　知識表現
  　10.1.1　世界表現
  　10.1.2　オブジェクト表現
  　10.1.3　記憶表現
  　10.1.4　アクション表現，意思決定，結果表現
  10.2　八つの意思決定アルゴリズム
  　10.2.1　ステートベース
  　10.2.2　ルールベース
  　10.2.3　ビヘイビアベース
  　10.2.4　ユーティリティベース
  　10.2.5　ゴールベース
  　10.2.6　タスクベース
  　10.2.7　シミュレーションベース
  　10.2.8　ケースベース
  
  11.　ナビゲーションAI
  11.1　ナビゲーションメッシュとウェイポイント
  11.2　ダイクストラ探索法とA*パス検索
  11.3　地形解析
  11.4　戦術位置検索
  11.5　影響マップ
  11.6　社会的空間
  
  12.　学習・進化アルゴリズムの応用
  12.1　統計による学習
  12.2　ニューラルネットワーク
  12.3　遺伝的アルゴリズム
  12.4　ゲーム進化アルゴリズム
  12.5　強化学習
  12.6　プレーヤのデータから学ぶ
  
  エピローグ
  第Ⅲ部の参考図書
  第Ⅲ部の引用・参考文献
  
  索引

• 内容紹介

  ゲームは，古くから人工知能，認知科学の中心的な研究テーマとして扱われてきた。本書では，まずこの研究分野の基礎的な知識と歴史を押さえ，それを支える重要な理論について述べ，デジタルゲームの応用分野まで概観する。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  伊藤 毅志(イトウ タケシ)
  １９８８年北海道大学文学部行動科学科卒業。１９９４年名古屋大学大学院博士後期課程修了（情報工学専攻）、工学博士（名古屋大学）。電気通信大学助手。２００７年電気通信大学助教
  
  保木 邦仁(ホキ クニヒト)
  １９９８年東北大学理学部化学系卒業。２００３年東北大学大学院博士後期課程修了（化学専攻）、博士（理学）（東北大学）。トロント大学博士研究員。２００６年東北大学研究支援者。２００７年東北大学助教。２０１０年電気通信大学特任助教。２０１５年電気通信大学准教授
  
  三宅 陽一郎(ミヤケ ヨウイチロウ)
  １９９９年京都大学総合人間学部基礎科学科卒業。２００１年大阪大学大学院修士課程修了（物理学専攻）。２００４年東京大学大学院博士課程単位取得満期退学（電気工学専攻）。株式会社フロム・ソフトウェア。２０１１年株式会社スクウェア・エニックス

ゲーム情報学概論―ゲームを切り拓く人工知能 [単行本] の商品スペック