游戏开发中的人工智能part1

定性AI

行为或表现是特定的，而且可以预测的，没有不确定性。具体实例可以是简单的追逐算法。比如说塑造一个怪物角色，沿着 XY 坐标轴前进，往某目标点移动，直到该角色的 XY 坐标和目标点的坐标重叠。

非定性AI
某种程度的不确定性，有点不可预测（不确定到什么程度与人们对所采用的的 AI 的方法的理解的难易程度有关）。具体实例是让非玩家角色学习到适应玩家的作战战术。这样的学习能力可以利用神经网络、贝叶斯技术或遗传算法得到。
非定性技术可以让 NPC 自己学习，并进化出新的行为，比如说突现行为（没有明确指示而出现的行为），让玩家在玩游戏时难以预测，增加游戏可玩性。开发者也无需事先预先所有可能的场景，写下所有明确的行为。
由于无法预测，就很难测试和调试，易出bug（开发者无法预测所有的玩家行动）。

现有的游戏AI技术
有限状态机
- 列举出计算机控制的角色的一连串动作或状态，再利用 if-then 条件语句检查各类情况和满足条件，再根据判断结果执行动作或更新角色状态，或者在动作和状态之间做转换。
模糊状态机
- 不太精确的条件设计规则
路径寻找技巧和A * 算法
人工生命系统
- 展现出符合人性的行为，突现行为。

几个主流游戏都用了非定性 AI 技术，比如“Creatures”、“Black & White”、“Battlecruiser 3000AD”、“Dirt Track Racing”、“Fields of Battle”以及“Heavy Gear”。这些游戏的成功，重新点燃了人们对“学习”AI 技术的兴趣，诸如决策树、神经网络、遗传算法以及概率方法。

追逐和闪躲

追或逃的决策判断（状态机/神经网络）
开始追或逃
避开障碍物

砖块环境/连续环境

连续环境里基本追逐代码 if-else
根据猎物的坐标来修改追击者的坐标

移动模式

固定模式的移动：守卫的巡逻、宇宙飞船的降落

制造智能行为的幻觉

标准移动模式

编码过的指令清单或数组，指示计算机控制的角色，在每一轮循环如何移动。double x

事先定义出控制结构体类型的全局数组或者一组数组，以便存储模式数据。

 Pattern[x].turnRight=
 Pattern[x].turnLeft=
 ...
 1
2
3
4
5
6
7
8
x=1,2,3,4...
索引值递增
      - 常见做法：编写好几个不同模式，存放在不同数组中，然后让计算机随机选取一个模式来使用，或者按照游戏中某些其他决策逻辑来决定。
- **砖块环境中的移动模式**
   - 用相对坐标，每次初始坐标选为-1
   - 建立起一个模式，比如在坐标（10,3）和（18,3）之间来回走动，此假如为巨人的巡逻状态，若感知到他人靠近则切换到追逐或攻击状态
   - 参考像素rpg中怪物的巡逻，一个区域的怪物有固定的路线
   - 复杂巡逻模式，例：一个由八条线段组成的模式

entityList[1].BuildPathSegment(x1,y1,a1,b1);
entityList[1].BuildPathSegment(x2,y2,a2,b2);
...

加入随机因素的移动模式
- 检查当前位置周围八个方向，发现其值为1时就把坐标储存到数组中，每个点都检查过后，可以从找到有效点的数组中，随机选取新的坐标点。
- 注意将之前的坐标排除在外
仿真物理环境中的移动模式
- 为物理引擎提供控制力信息，才能让计算机控制的载具，可以按照想要的模式实际运行。
- 每轮仿真运算时，物理引擎会处理这些指令，直到该组指令中指定的条件满足为止。此时，模式数组中的下一组指令就会被选出并执行。这个过程将一直重复，直到模式数组走完或者模式因某种原因而中断为止。
定义模式
- 方形模式/蛇形模式/任意形状的模式
执行模式
- 径度单位的角度，乘以180，除以pi，才会得到角度

群聚

A-life算法的实例

基本群聚算法的三个规则
- 凝聚：每个单位都往其邻近单位的平均位置行动。
- 对齐：每个单位行动时，都要把自己对齐在其邻近单位的平均方向上。
- 分割：每个单位行动时，要避免撞上其邻近单位。

从这三条语句可以得知，每个单位都必须有比如运用转向力行进的能力。此外，每个单位都必须得知其局部的周遭情况，必须知道邻近单位在哪里、它们的方向如何以及它们和自身有多接近。

如图，弧半径r较大时会让单位看到群体中更多的伙伴，较小时会让群体分裂。
角度theta量定了每个单位的视野范围，决定了队伍的行进方式（一排蚂蚁或几排几列的军队）。

实例

仿真大约20个单位，以群聚的方式移动，避开圆形的物体，群聚中的诸多单位和玩家的互动就是去追玩家

行进模式

以物理机制为基础，把每个单位视为刚体，在单位前方施加转向力；控制好每条规则贡献的转向力，并调整行进模式，以确保每个单位都获得平衡

影响施加的力的两条规则：

避开规则

为了让单位不要彼此撞上，且根据对齐规则和凝聚规则而靠在一起，此规则贡献的转向力随距离的增大而减小。
对齐规则

考虑当前单位的当前方向，与其邻近单位间平均方向间的角度。转向力随角度增大而增大。

邻近单位

凝聚、对齐、分隔三个规则起作用的前提是侦测每个当前单位的邻近单位。邻近单位就是当前单位视野范围内的单位。

UpdateSimulation()函数，每次走过游戏循环或仿真运算循环时，就会被调用。更新每个单位的位置并把每个单位画到画面显示缓冲区内。
DoUnitAI()函数处理一切和计算机控制单位的移动有关的事。所有群聚规则在此函数内实现。
- 宽广视野
- 有限视野
- 狭窄视野

凝聚

凝聚指的是我们想让所有单位都待在同一个群体中，每个单位都应朝其邻近单位的平均位置前进。

邻近单位平均位置：各个位置的向量总和再除以总邻近单位数。

对齐

对齐的意思是指，我们想让群聚中的所有单位都大致朝相同方向前进。
每个单位在行进时，试着以等同于其邻近单位平均方向的方向来前进。

分隔

每个单位彼此间保持着最小距离，采用分隔手段，让每个单位和其视野内的邻近单位保持某一预定的最小分隔距离。此规则需要逐一检视每个邻近单位，而不是使用平均值。

避开障碍物

提供某种机制，使单位看得到前方的障碍物，再施加适当的转向力，使其能避开路径中的障碍物。

替单位安装虚拟触角，或者使用虚拟体积。

跟随领头者

群体移动更有目的性。

根据玩法决定是否有领头者（是否需要分散攻击）。决定领头者后，其他单位采用不同视野使不同队形排成（横、纵队）。

人人都可能是领头者。使用简单的规则，找出谁应该或足以担任领头者。