游戏中常用的 AI 实现方案

游戏中 AI 的使用场景一直很多，好的 AI 可以画龙点睛。

基础 AI 设计

  1. 远程攻击单位（Ranged）：超过最大跟随距离，执行 follow，小于攻击距离，执行 flee，逃离目标，小于跟随距离大于攻击距离执行 idle 或者 attack；
  2. 近战攻击单位（Melee）：超过最大跟随距离，执行 follow，小于攻击距离，执行 idle 或者 attack；

这个 AI 设计虽然简单，却可以满足很多游戏 NPC 的需求。

常见 AI 以及实现

  1. 靠近 seek，速度向量差 (TargerPos - CurrentPos) * CurrentSpeed，Tick 计算 AI 坐标，执行移动；
  2. 离开 flee，速度向量差 (CurrentPos - TargerPos) * CurrentSpeed，然后根据当前方向移动（反方向）移动；
  3. 抵达 arrive，类似靠近，速度值根据阀值递减，实现慢慢靠近的效果；
  4. 追逐 pursuit，目标正前方直接走过去，限制角度（比如20以内），预测目标点。设置一个合理的预测时间，建议预测时间正比于逃避和追逐者的距离，反比于两者速度；
  5. 逃避 evade，类似追逐，远离预测位置；
  6. 徘徊 wander 设置一个 wander distance，然后根据这个 distance 随机一个点，AI 执行 move，移动过去。设置一个 wanderRate，控制徘徊频率；
  7. 回避 avoidance（RVO），比较复杂…TODO
  8. 巡逻 patrol，地图设置几个巡逻点即可，遍历各个巡逻点，循环移动；

以上是常见的AI行为的实现思路。

复杂 AI 设计

实现 AI 引擎结构

  1. 制定决策(Decision Making)
  2. 移动（Movement）
  3. 路径规划（Path Planning）
  4. 感知（Perception）

Fuzzy AI，是很多游戏使用的AI设计基础，比如足球游戏、比如格斗游戏等 （模糊逻辑）。
工作室预研过一款格斗游戏的研发，是我主导的，AI的技能系统就采用了以下这种方式。效果很好。

基于 Fuzzy AI 设计格斗游戏 (动作游戏) AI

AI Rule

  1. AI Condition 比如攻击对象、攻击距离、双方的血量变化等来作为AI触发的条件
    Attacking_AttackType_Self，Attacking_AttackType_Opponent，就是使用某个技能进行攻击行为，该行为可以作为 AI 触发的条件，又比如 Distance_Self，Distance_Opponent，敌我距离判断，这个也可以作为 AI 触发的条件。
    HealthStatus、MovementSpeed等也可以作为 AI 触发的条件。

  2. AIRule 各种条件根据关键字组成很多的条件语句，输入到 AI Engine，产生很多行为。

 string Rule_AND = " AND ";
 string Rule_Close_Parenthesis = ") ";
 string Rule_IF = "IF ";
 string Rule_IS = " IS ";
 string Rule_NOT = " NOT ";
 string Rule_Open_Parenthesis = " (";
 string Rule_OR = " OR ";
 string Rule_THEN = " THEN ";

  1. AIReaction AI 产生 Idle、MoveBackward、PlayMove_AttackType_Projectile 释放远程技能、PlayMove_Damage_Weak 等等各种行为

  2. 根据 AI Rule 初始化 inferenceEngine 一定间隔内输入更新 inferenceEngine Input 信息（比如当前血量）等和 Output 信息（不是所有Output都有效的，比如眩晕状态下无法释放技能），
    间隔长短决定 AI 难度。

AI Engine （模糊逻辑）原理

根据条件生成隶度值（模糊），多个条件生成的多个隶度值根据最大平均数计算法求出正常值（去模糊化）；
本质上是根据条件算结果。


模糊系统，主要用于解决决策性 AI 系统设计的两大痛点，即 AI 行为的自然程度，以及系统平衡性的维护。
基于 Fuzzy AI 所产生的 AI 可以综合当前位置、血量及敌方行为的整体情况，来决定下一步是逃跑、撤退、攻击或是补充血量，或是根据玩家行为发生的时间与地点将玩家进行归类。
AI还会将多种关联因素产生的行为随机化处理，这样的设计能够让AI更接近于真实玩家，表现得更为自然。

 IF（温度“冷”）然后（加热器“高”）


该规则使用“温度”输入的值，这是“冷”的一些值，以在“加热器”输出的模糊集中生成结果，这是“高”的某个值。 此结果与其他规则的结果一起使用，以最终生成清晰的复合输出。显然，“冷”的值越高，“高”的值就越高，尽管这并不一定意味着输出本身会被设置为“高”，因为这只是众多规则之一。 在某些情况下，逻辑函数可以通过相当于副词的“对冲”来修改。常见的对冲包括“约”，“近”，“接近”，“近似”，“非常”，“略微”，“太”，“极端”和“有点”。 这些操作可能具有精确的定义，但不同实现之间的定义可能有很大差异。 对于一个例子，“非常”是正方形隶属函数;由于成员资格值总是小于1，因此会缩小隶属函数。 “非常”将数值分块以提供更大的缩小，而“稍微”通过取平方根来拓宽功能。

群组 AI 设计

我们通常理解的鱼群算法，使用场景比如 MOBA 游戏的小兵 AI，以及最近很火的一个 IO 类游戏，吞噬星球，玩家带带一堆小兵去吃其他的人，小兵越来越多等等。
Group Behaviour-组行为

  1. alignment - 队列，企图保持和邻居朝向一致；
  2. cohesion - 聚合，产生力使得 AI 移向邻居的质心；
  3. separation - 分离，产生力使得 AI 离开附近的邻居；

举个聚合算法的例子：

FVector AverageHeading;
for (int a = 0; a < Neighbors.Size(); ++a)
{
  AverageHeading += Neighbors[a]->Heading();
}
if (Neighbors.Size() > 0)
{
  AverageHeading = AverageHeading / Neighbors.Size();
}

如果 AI 本身在 Neighbors 中的话，记得过滤掉。
每一帧计算队列、聚合、分离，然后按照加权比例，把三种行为的向量加在一起，就是我们AI当前帧的目标方向；
合适的加权比例需要花时间来调整。

总结

其他的用于 AI 的技术点，比如状态机、行为树等，都是老生常谈的东西，Sequence(And)、Select(Or)、Parallel 节点配合实现各种各样的 AI，同时配置驱动的话就很好了。

For more details see
1-artificial_intelligence_fuzzy_logic_systems
2-Fuzzy_control_system
3-AForge
4-AI
5-AI