机器学习算法专家基于学习规律而作通过游戏开发透彻讲解Python编程思路拆解底层知识让读者理解AI训练的逻辑与方法让读者在设计游戏的愉悦中学习人工智能知识

本书以Python为开发环境，以小游戏开发为载体，对编程及人工智能技术进行讲解，让读者同时学习编程及人工智能知识。 本书共16章，可分为4个部分。第1部分为第1～3章，分别是编程、游戏和AI，Python环境准备及Pygame基础知识。第2部分为第4～7章，分别讲解了贪吃蛇游戏编程、打砖块游戏编程、笨鸟先飞游戏编程和五子棋游戏编程。第3部分为第8～12章，分别介绍了神经网络和PyTorch基础、蒙特卡罗模拟、强化学习入门、深度强化学习DQN及遗传算法。第4部分为第13～16章，分布介绍了贪吃蛇AI编程、打砖块AI编程、笨鸟先飞AI编程和五子棋AI编程。 本书内容系统性强，语言精练，适合对AI游戏编程感兴趣的读者阅读，也适合作为青少年游戏编程培训的参考用书。

肖凯，蚂蚁集团大安全事业群算法专家，经济学硕士，长年工作于互联网行业，专注于互联网大数据挖掘和机器学习相关领域的研究。B站;肖老师的退休生活，不定期更新的UP主，眼下致力于讲解人工智能/游戏设计/批判性思维。目前从事风控算法开发，精通机器学习算法理论和编程应用。

第1章 编程、游戏和AI 11.1 代码的世界 11.2 什么是编程 21.3 什么是AI 21.4 游戏编程和游戏AI 31.4.1 游戏主循环 31.4.2 二维图形显示 41.4.3 输入处理 51.4.4 游戏AI1.5 本章小结 6第2章 Python环境准备和预备知识 72.1 Python编程环境安装 72.2 编写第一个小游戏 82.3 面向对象编程 112.4 使用Python模块 142.4.1 random模块 152.4.2 NumPy模块 152.4.3 matplotlib模块 162.4.4 copy模块 172.4.5 collections模块 172.5 本章小结 18第3章 Pygame基础知识 193.1 Pygame的Hello World 193.2 显示图形 213.3 键盘和鼠标交互 223.4 加载图片和文字资源 243.5 增加音效和运动 253.6 连续键盘控制 273.7 碰撞检测 283.8 一个完整的游戏 293.9 本章小结 34第4章 贪吃蛇游戏编程 354.1 贪吃蛇游戏介绍 354.1.1 游戏规则 354.1.2 游戏资源 364.2 游戏功能和程序设计 374.2.1 游戏功能 374.2.2 程序设计4.3 代码实现 384.3.1 模块加载、位置和方向 384.3.2 Snake类 384.3.3 Berry类 404.3.4 Wall类 414.3.5 Game类定义 424.3.6 碰撞检测 434.3.7 绘图输出 434.3.8 游戏主循环 444.4 本章小结 45第5章 打砖块游戏编程 465.1 打砖块游戏介绍 465.1.1 游戏规则 465.1.2 游戏资源 475.2 游戏功能和程序设计 475.2.1 游戏功能 475.2.2 程序设计 485.3 打砖块游戏代码实现 485.3.1 Bat类 485.3.2 Ball类 495.3.3 Bricks类 505.3.4 Game类 515.3.5 碰撞检测 525.3.6 绘图输出 535.3.7 游戏主循环 545.4 双人对战游戏 555.5 本章小结第6章 笨鸟先飞游戏编程 616.1 笨鸟先飞游戏介绍 616.1.1 游戏规则 616.1.2 游戏资源 626.2 游戏功能和程序设计 626.2.1 游戏功能 626.2.2 程序设计 626.3 代码实现 636.3.1 Bird类 636.3.2 Pipe类 666.3.3 Button类 676.3.4 Game类 686.3.5 玩家输入处理 696.3.6 碰撞检测 696.3.7 游戏数据更新 706.3.8 绘图输出 726.3.9 游戏主循环 726.4 本章小结第7章 五子棋游戏编程 747.1 五子棋游戏介绍 747.1.1 游戏规则 747.1.2 游戏资源 747.2 游戏功能和程序设计 757.2.1 游戏功能 757.2.2 程序设计 757.3 代码实现 767.3.1 Board类 767.3.2 Button类 787.3.3 Board_Area类 787.3.4 Message_Area类 797.3.5 Game类 797.4 本章小结 84第8章 神经网络和PyTorch基础 858.1 最优化方法 858.1.1 什么是最优化 858.1.2 梯度下降算法 868.2 PyTorch基础知识 898.2.1 什么是PyTorch 898.2.2 PyTorch的张量操作 908.2.3 自动计算梯度 928.2.4 用PyTorch进行最优化 938.3 神经网络 948.3.1 神经网络是什么 948.3.2 矩形周长问题 958.3.3 用PyTorch解决矩形周长问题 998.3.4 用PyTorch解决矩形面积问题 1008.4 使用神经网络玩井字棋游戏 1018.5 本章小结 104第9章 蒙特卡罗模拟 1059.1 什么是随机模拟 1059.2 骰子的模拟实验 1079.3 硬币的模拟实验 1099.4 扑克牌的模拟实验 1119.5 使用蒙特卡罗方法玩井字棋游戏 1129.6 本章小结 116第10章 强化学习入门 11810.1 什么是强化学习 11810.2 冰湖迷宫问题 12010.3 用蒙特卡罗方法解决冰湖迷宫问题 12310.4 SARSA算法 12710.5 Q_Learning算法 12910.6 本章小结 132第11章 深度强化学习算法DQN 13311.1 什么是深度强化学习 13311.2 用DQN解决冰湖迷宫问题 13511.3 DQN的完整结构和优化 13811.4 本章小结第12章 遗传算法 14312.1 什么是遗传算法 14312.2 用遗传算法解决最优化问题 14412.3 用遗传算法解决背包问题 14812.4 用遗传算法训练神经网络 15012.5 本章小结第13章 贪吃蛇游戏AI编程 15613.1 整体设计思路 15613.2 贪吃蛇游戏环境改造 15713.2.1 环境改造思路 15713.2.2 改造代码 15813.3 AI引擎的设计和编写 16213.3.1 DQN回顾 16213.3.2 编写AI引擎 16213.4 AI环境与AI引擎的组装运行 16513.5 本章小结 168第14章 打砖块游戏AI编程 16914.1 打砖块游戏环境改造 16914.1.1 环境改造思路 16914.1.2 代码实现 17014.2 AI引擎的设计和编写 17214.3 AI环境和AI引擎的组装运行 17414.4 本章小结 176第15章 笨鸟先飞游戏AI编程 17815.1 基于DQN的AI引擎 17815.1.1 笨鸟先飞游戏代码改造 17815.1.2 笨鸟先飞游戏的AI引擎的组装 18115.2 基于遗传算法的AI引擎 18215.2.1 整体设计思路 18215.2.2 Linear_Net类的改造 18215.2.3 Bird类的改造 18315.2.4 Game类的改造 18415.2.5 遗传算法函数编写 18615.2.6 算法效果 18815.3 本章小结 188第16章 五子棋游戏AI编程 18916.1 MCTS的整体思路 18916.2 MCTS代码实现 19116.3 五子棋游戏程序改造 19616.4 本章小结 196