approach），它已在壹些領域內作出了成果，如文字識別、電腦下棋等。另壹種是模擬法（Modeling
approach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。本書介紹的遺傳算法（Generic
Algorithm，簡稱GA）和人工神經網絡（Artificial Neural
Network，簡稱ANN）均屬後壹類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經網絡則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。采用前壹種方法，需要人工詳細規定程序邏輯，如果遊戲簡單，還是方便的。如果遊戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而壹旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供壹個新的版本或提供壹個新補丁，非常麻煩。采用後壹種方法時，編程者要為每壹角色設計壹個智能系統（壹個模塊）來進行控制，這個智能系統（模塊）開始什麽也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下壹次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智能，要求編程者具有生物學的思考方法，入門難度大壹點。但壹旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前壹種方法更省力。