1부 게임 정보학 개요
1장 게임이란
1.1 게임 정의
1.2 게임의 정보학적 분류

2장 게임 정보학 기초
2.1 게임과 문제 해결
2.2 게임 정보학의 역사

3장 게임 AI와 인지 연구
3.1 게임 AI와 알고리즘
3.2 게임과 인지 과학

2부 게임 정보학 알고리즘
4장 최단 경로 탐색과 비용 함수: 15 퍼즐
4.1 15 퍼즐
4.2 15 퍼즐의 그래프 탐색
4.3 A* 알고리즘
4.4 문제를 완화해서 h 비용을 설계하는 방법

5장 게임 이론의 기초 지식: 죄수의 딜레마, 가위바위보, 틱택토
5.1 전략형 게임과 전략의 우열
5.2 내시 균형과 혼합 확대
5.3 2인 제로섬 게임의 균형점과 미니맥스 정리
5.4 전개형 게임
5.5 전개형 게임의 전략과 역진귀납법

6장 미니맥스 게임 트리와 탐색: 틱택토, 오셀로, 체스, 일본 장기
6.1 미니맥스 게임 트리
6.2 미니맥스 게임 트리의 깊이 우선 탐색
6.3 미니맥스 게임 트리의 αβ 탐색
6.4 AND/OR 트리와 증명 개수
6.5 미니맥스 게임 트리의 그래프 탐색
6.6 휴리스틱 미니맥스 탐색

7장 몬테카를로법을 이용한 강화 학습: 블랙잭
7.1 강화 학습 개요
7.2 블랙잭과 기본 규칙
7.3 게임 상황, 행동 및 보수의 표현
7.4 몬테카를로법을 이용한 정책 평가
7.5 정책 개선

3부 디지털 게임에 게임 정보학 응용
8장 게임 AI: 액션 게임과 보드 게임 비교
8.1 디지털 게임의 원리
8.2 보드 게임과 디지털 게임의 AI 차이
8.3 지식 표현, 세계 표현
8.4 게임 표현
8.5 캐릭터 행동 표현
8.6 디지털 게임 AI의 전모

9장 캐릭터 AI
9.1 에이전트 아키텍처
9.2 센서 모듈
9.3 지식 생성 모듈
9.4 의사 결정 모듈
9.5 이펙터와 운동 생성 모듈
9.6 기억과 인포메이션 플로
9.7 기억 형태
9.8 블랙 보드 아키텍처

10장 게임 AI의 지식 표현과 의사 결정 알고리즘
10.1 지식 표현
10.2 여덟 가지 의사 결정 알고리즘

11장 내비게이션 AI
11.1 내비게이션 메시와 웨이포인트
11.2 데이크스트라 탐색법과 A* 경로 탐색
11.3 지형 해석
11.4 전술 위치 검색
11.5 영향맵
11.6 사회적 공간

12장 학습 및 진화 알고리즘 응용
12.1 통계 기반 학습
12.2 신경망 238
12.3 유전 알고리즘 239
12.4 게임 진화 알고리즘
12.5 강화 학습
12.6 플레이어의 데이터로 학습