前言
今天非常開心，觀看cocos官方直播居然在幾千人中中獎，可以買彩票了。
言歸正傳，所謂的人工智慧，也就是大家常說的AI（Artificial Intelligence）。一說到AI可能就會讓人覺得比較深奧，其實也就是非玩家角色思考和行為的綜合。比如，在什麼樣的條件下，觸發什麼樣的行為。
其實我們在遊戲開發中的AI要比學術理論中的AI簡單很多，甚至有些行為不需要AI也能體現。比如使用劇情對話體現非玩家角色的想法。
那麼AI 都涉及到哪些東西呢？
- 控制器
我理解的控制器，就是非玩家角色的大腦，是用來思考事情的。例如通過執行決策樹，得到一個有效的行為。使用不一樣的控制器就會有不一樣的思考方式。比如玩家的控制器就是根據按鍵操作觸發不同的行為。阿貓，阿狗的可能又不一樣了。 - 感知器
獲得周圍環境的情況，不如距離誰有多遠，自身生命值多少，玩家生命值多少，等等。 - 反應
也就是控制器執行決策樹後產生的有效行為。比如跳躍，跑，各種攻擊，防禦等等。 - 決策樹
我理解為思考時的思路，比如應該在什麼樣的條件下執行什麼樣的反應。比如當我的血量低於百分之30的時候我要逃跑。具體案例體現在我的遊戲《星際迷航》的第一個boss身上。 - 記憶
就是非玩家角色可以通過儲存資料，供控制器執行的時候使用，以提高非玩家角色的智商。 - 學習
這個能力太牛逼了。實現起來也比較複雜，需要大量的資料和計算量為依託，而且在遊戲開發中也並不一定實用。因此我也沒用過。
如何應用到程式中呢？
-
首先還是要定義好行為列舉，通過狀態機，不同的行為實現不同的邏輯。
-
定義感知器特徵
不同的遊戲感知的特徵肯定是不一樣的，根據遊戲需求而定
-
實現感知類
-
定義決策樹
export default class DecisionTree {
private decisionData: XlsxData;
private perception: Perception;
constructor(data: XlsxData) {
this.decisionData = data;
}
setPerception(perception: Perception) {
this.perception = perception;
}
getPerception(obj, perceptionType: PerceptionType, value: number) {
return this.perception.action(obj, perceptionType, value)
}
//開始思考
action(obj: RoleView, decisionID: number) {
let data = this.decisionData.getRowData(decisionID)
let flag = false;
if (data) {
let perceptionType = data[Ai_dataEnum.condition];
let type = 0;
let id: number[] = null;
flag = this.perception.action(obj, perceptionType, data[Ai_dataEnum.cParam])
if (flag) {
type = data[Ai_dataEnum.conditionYes]
id = data[Ai_dataEnum.parm1]
} else {
type = data[Ai_dataEnum.conditionNo]
id = data[Ai_dataEnum.parm2]
}
this.judge(obj, type, id)
}else{
}
return flag;
}
//判定感知條件
private judge(obj: RoleView, type: ThinkType, param: number[]) {
if (type == ThinkType.ACTION) {
this.doLogic(obj, param)
} else {
for (let index = 0; index < param.length; index++) {
const element = param[index];
if (this.action(obj, element)) {
break;//目前僅支援序列，不支援並行。如需支援並行，需要新增是否攔截欄位。
}
}
}
}
// 50 30 20 : 80 根據概率選擇行為
private doLogic(obj: RoleView, param: number[]) {
if (param.length > 0) {
let r = RandomHelper.random(0, 100);
let count = param.length / 2
for (let index = 0; index < count; index++) {
let behaveType: number = param[index * 2]
let random: number = param[index * 2 + 1]
//
if (r <= random) {
// 設定非玩家角色的行為。
obj.setBehaveType(behaveType)
return;
}
}
}
}
}
- 定義控制器
export default class EnemyController extends GameController {
private perception: Perception = new Perception();
private ai: DecisionTree;
constructor() {
super()
let ai_data: XlsxData = GameDataManager.instance().get(DataName.ai_data)
this.ai = new DecisionTree(ai_data)
this.ai.setPerception(this.perception)
}
getPerception(obj, perceptionType: PerceptionType, value: number) {
return this.perception.action(obj, perceptionType, value)
}
action(obj: RoleView, decisionID: number) {
this.ai.action(obj, decisionID)
}
}
-
在非玩家角色中宣告控制器和行為管理器
-
定義思考函式
think() {
this.ai.action(this, this.model.getAI())
}
- 呼叫
在動作執行結束後，如果非玩家角色沒有死亡，就會執行一次。然後再決策樹中呼叫非玩家角色的設定行為的方法。
至此 ，就執行了一次AI的完整流程。從程式碼中我們可以看到，控制器是通過配置表資料執行操作的，接下來我們看配置表部分。
配置資料
- 首先資料表是二維的，我們要通過二維表模擬了樹形結構。判定條件就是感知特徵的列舉值，判定引數是留給感知器使用的引數，如果不需要可以不填，中文部分可以僅用於註釋，並不會匯出，判定條件成立或者不成立的時候都會用0和1來決定是繼續判定還是處理行為選擇。如果是0 後一列的資料會填寫下一個節點的ID，也就是繼續思考，如果是1，表示可以執行對應的處理。 此時，後邊的列裡邊我是存放了行為列舉值和對應的概率。因為並不是所有行為都是百分之百執行的。將這個表匯出之後提供給控制器使用就可以了。
- 資料表的索引方式
對於簡單的ai，可以一個敵人對應一個決策樹ID；對於複雜的AI，可以一個敵人的一個動作對應一個決策樹AI。所以這裡丟擲了一個問題，就是手動填寫這樣的表，維護成本也比較高了，所以這裡對於複雜的AI需求，建議自己開發個小工具，這樣用起來不易出錯，且容易維護。
結語
以上就是我個人對遊戲開發中AI的理解，當然我是拜讀了《遊戲人工智慧——計算機遊戲中的人工智慧》這本書的。好像此書已經絕版了。希望放出來對熱衷於遊戲開發的小夥伴們有所幫助。
長按下方二維碼，關注《微笑遊戲》公眾號，獲取更多精彩內容。
歡迎掃碼關注公眾號《微笑遊戲》，瀏覽更多內容。