游戏 AI

状态机与行为树组织 NPC 逻辑；棋类用 Minimax；现代游戏尝试 ML 辅助决策。 图形/物理/AI 理论为主，练习可在 Godot/Unity 中验证。

学习目标

• FSM 与 Behavior Tree
• Minimax + Alpha-Beta 剪枝
• MCTS 概览
• 强化学习在游戏中的边界

核心概念

本课对齐 /roadmaps/game-developer 对应节点。与 CodeRoadMap 主线（Java/Spring、React）对照时，关注概念可迁移性而非 API 逐行一致。

示例

enum State { Patrol, Chase, Attack }
if (distance < 5f) state = State.Chase;
else if (distance < 1.5f) state = State.Attack;

练习

• 在路线图页面定位本课覆盖的节点
• 用示例代码或引擎复现一个最小场景
• 写 3 条「若用 Java/Spring 或本站栈如何实现类似能力」的对照笔记

小结

游戏 AI是 gdev-ai 课时的核心内容。完成练习后进入下一课，或在路线图中标记已掌握节点。