內容簡介
這是一部講解如何將AI技術創(chuàng)造性地應用到自動化測試領域的前沿性著作。由騰訊互動娛樂事業(yè)群TuringLab實驗室撰寫，從技術原理、平臺構建、工程實踐3個維度全面講解AI技術在中的應用，融合了團隊先進的理論研究成果和豐富的工程實踐經驗。
全書一共14章，分為三個部分：
第壹部分 技術原理（第1-5章）
首先，從宏觀角度介紹了自動化測試和AI技術的發(fā)展，以及二者的相互結合；然后，講解了圖像識別算法、強化學習、模仿學習等用于自動化測試的AI技術的原理；*后，介紹了Android設備的調試原理和技術。
第二部分 平臺搭建（第6-11章）
以TuringLab實驗室開源的Game AI SDK為例，不僅講解了AI自動化測試平臺的架構設計、開發(fā)流程、環(huán)境搭建和二次開發(fā)等內容，而且還講解了AI SDK Tool工具的使用，以及如何以圖像類方式和數據類方式接入Game AI SDK。
第三部分 工程實踐（第12-14章）
主要講了TuringLab團隊在游戲AI自動化測試領域的*佳實踐，包括手機游戲兼容性測試、自動化Bug檢測、自動機器學習等內容。
提供大量簡潔的代碼實例，助你零基礎實現(xiàn)AI自動化測試。
掃碼關注“華章計算機”官方微信，回復“”獲取配套資源
前言
作者簡介
第一部分 原理篇
第1章 AI與自動化測試2
1.1 自動化測試的發(fā)展與現(xiàn)狀2
1.2 AI的發(fā)展與應用4
1.3 AI與自動化測試相結合6
1.4 本章小結6
第2章 圖像識別算法7
2.1 圖像識別7
2.2 傳統(tǒng)的圖像識別算法9
2.2.1 模板匹配算法9
2.2.2 特征點匹配算法11
2.2.3 梯度特征匹配算法13
2.3 基于深度學習的圖像識別算法15
2.3.1 卷積神經網絡15
2.3.2 卷積神經網絡模型16
2.4 圖像識別方法在游戲測試中的應用22
2.4.1 特征點匹配在場景覆蓋性測試上的應用22
2.4.2 游戲場景圖像的物體識別25
2.5 本章小結26
第3章 強化學習27
3.1 基本理論27
3.2 基于值函數的強化學習30
3.2.1 值函數30
3.2.2 DQN31
3.3 基于策略梯度的強化學習32
3.3.1 策略梯度33
3.3.2 Actor-Critic33
3.3.3 DDPG35
3.3.4 A3C37
3.4 強化學習在自動化測試中的應用38
3.5 本章小結40
第4章 模仿學習41
4.1 什么是模仿學習41
4.2 模仿學習研究現(xiàn)狀42
4.2.1 行為克隆42
4.2.2 逆強化學習43
4.3 模仿學習在自動化測試中的運用45
4.4 本章小結50
第5章 Android設備調試52
5.1 Android調試橋52
5.1.1 adb常用命令介紹53
5.1.2 ADB原理56
5.2 Android實時截屏57
5.2.1 minicap介紹57
5.2.2 minicap使用58
5.3 Android模擬器60
5.3.1 Android Emulator介紹60
5.3.2 其他模擬器介紹65
5.4 本章小結65
第二部分 平臺篇
第6章 AI SDK平臺介紹68
6.1 Game AI SDK平臺功能69
6.2 Game AI SDK平臺架構設計71
6.3 Game AI SDK平臺流程72
6.3.1 AI算法流程72
6.3.2 圖像識別任務流程73
6.4 Game AI SDK平臺模塊結構74
6.4.1 圖像識別模塊74
6.4.2 AI算法模塊76
6.5 本章小結77
第7章 AI SDK自動化測試平臺搭建78
7.1 Windows環(huán)境搭建78
7.1.1 創(chuàng)建虛擬環(huán)境78
7.1.2 安裝AI SDK79
7.1.3 安裝SDK Tool79
7.1.4 安裝AI Client80
7.2 Linux環(huán)境搭建81
7.3 如何運行AI SDK85
7.3.1 安裝APK85
7.3.2 游戲配置說明86
7.3.3 啟動服務93
7.4 本章小結95
第8章 AI SDK Tool詳解96
8.1 配置項目96
8.1.1 安裝97
8.1.2 配置項目98
8.2 標注GameReg任務101
8.3 標注UIRecognize任務106
8.4 調試108
8.4.1 AI SDK Tool和GameReg之間的調試108
8.4.2 AI SDK Tool和UIRecognize之間的調試109
8.5 AI SDK Tool的其他功能111
8.5.1 添加動作配置111
8.5.2 添加地圖路線112
8.5.3 圖結構路徑配置113
8.6 本章小結115
第9章 圖像類接入Game AI SDK平臺116
9.1 通過SDK Tool生成平臺所需數據117
9.1.1 生成UI配置文件117
9.1.2 生成模仿學習樣本120
9.2 基于圖像的AI方案125
9.2.1 基于小地圖的特征提取126
9.2.2 樣本擴充126
9.2.3 模型和訓練126
9.3 使用Game AI SDK平臺進行AI自動化測試——手機兼容性測試128
9.4 使用Game AI SDK平臺進行AI自動化測試——場景測試131
9.5 使用Game AI SDK平臺進行AI自動化測試—花屏類測試131
9.6 本章小結134
第10章 數據類手游接入GameAI SDK平臺135
10.1 Game AI SDK接入方案136
10.1.1 集成GAutomator實現(xiàn)游戲接口136
10.1.2 通過游戲接口獲取AI輸入數據138
10.1.3 通過動作接口執(zhí)行AI動作139
10.2 基于數據的AI方案介紹140
10.2.1 算法描述141
10.2.2 實現(xiàn)功能142
10.3 使用Game AI SDK平臺進行AI自動化測試——跑圖覆蓋測試143
10.4 使用Game AI SDK平臺進行AI自動化測試——手機性能測試145
10.5 使用Game AI SDK平臺進行AI自動化測試——地圖平衡性測試146
10.5.1 游戲AI的課程學習方式147
10.5.2 游戲AI的深度強化學習訓練架構147
10.5.3 深度強化學習的神經網絡模型設計147
10.6 本章小結148
第11章 AI SDK平臺二次開發(fā)150
11.1 AI SDK平臺二次開發(fā)介紹150
11.1.1 AI SDK二次開發(fā)框架151
11.1.2 AI SDK二次開發(fā)API154
11.2 基于規(guī)則的AI設計和開發(fā)159
11.2.1 基于規(guī)則的AI介紹159
11.2.2 基于規(guī)則的AI實踐159
11.3 基于模仿學習的AI設計和開發(fā)168
11.3.1 基于模仿學習的AI介紹168
11.3.2 基于模仿學習的AI實踐169
11.4 基于強化學習的AI設計和開發(fā)175
11.4.1 基于強化學習的AI介紹175
11.4.2 基于強化學習的AI實踐176
11.5 本章小結185
第三部分 最佳實踐篇
第12章 手機游戲兼容性測試188
12.1 基于圖像的兼容性測試188
12.2 基于UI動作傳遞的兼容性測試193
12.3 基于UI自動探索的兼容性測試197
12.4 本章小結200
第13章 自動化Bug檢測201
13.1 貼圖丟失201
13.2 角色穿墻203
13.3 碰撞穿模207
13.4 本章小結210
第14章 自動機器學習211
14.1 自動機器學習概述211
14.2 參數搜索策略212
14.3 NNI安裝和使用213
14.4 本章小結219
書單推薦
