前言

今天非常开心，观看cocos官方直播居然在几千人中中奖，可以买彩票了。
言归正传，所谓的人工智能，也就是大家常说的AI（Artificial Intelligence）。一说到AI可能就会让人觉得比较深奥，其实也就是非玩家角色思考和行为的综合。比如，在什么样的条件下，触发什么样的行为。
其实我们在游戏开发中的AI要比学术理论中的AI简单很多，甚至有些行为不需要AI也能体现。比如使用剧情对话体现非玩家角色的想法。
那么AI 都涉及到哪些东西呢？

1. 控制器
   我理解的控制器，就是非玩家角色的大脑，是用来思考事情的。例如通过执行决策树，得到一个有效的行为。使用不一样的控制器就会有不一样的思考方式。比如玩家的控制器就是根据按键操作触发不同的行为。阿猫，阿狗的可能又不一样了。
2. 感知器
   获得周围环境的情况，不如距离谁有多远，自身生命值多少，玩家生命值多少，等等。
3. 反应
   也就是控制器执行决策树后产生的有效行为。比如跳跃，跑，各种攻击，防御等等。
4. 决策树
   我理解为思考时的思路，比如应该在什么样的条件下执行什么样的反应。比如当我的血量低于百分之30的时候我要逃跑。具体案例体现在我的游戏《星际迷航》的第一个boss身上。
5. 记忆
   就是非玩家角色可以通过存储数据，供控制器执行的时候使用，以提高非玩家角色的智商。
6. 学习
   这个能力太牛逼了。实现起来也比较复杂，需要大量的数据和计算量为依托，而且在游戏开发中也并不一定实用。因此我也没用过。

如何应用到程序中呢？

1. 首先还是要定义好行为枚举，通过状态机，不同的行为实现不同的逻辑。
   
   

2. 定义感知器特征
   不同的游戏感知的特征肯定是不一样的，根据游戏需求而定
   

3. 实现感知类
   

4. 定义决策树

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)
    }
    //开始思考
    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;
    }
    //判定感知条件
    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;//目前仅支持串行，不支持并行。如需支持并行，需要添加是否拦截字段。
                }
            }
        }
    }

    // 50 30 20 : 80  根据概率选择行为
    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) {
                    // 设置非玩家角色的行为。
                    obj.setBehaveType(behaveType)
                    return;
                }
            }
        }


    }
}

5. 定义控制器

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)
    }
}

6. 在非玩家角色中声明控制器和行为管理器
   

7. 定义思考函数

    think() {
        this.ai.action(this, this.model.getAI())
    }

8. 调用
   
   在动作执行结束后，如果非玩家角色没有死亡，就会执行一次。然后再决策树中调用非玩家角色的设置行为的方法。
   
   至此 ，就执行了一次AI的完整流程。从代码中我们可以看到，控制器是通过配置表数据执行操作的，接下来我们看配置表部分。

配置数据

1. 首先数据表是二维的，我们要通过二维表模拟了树形结构。判定条件就是感知特征的枚举值，判定参数是留给感知器使用的参数，如果不需要可以不填，中文部分可以仅用于注释，并不会导出，判定条件成立或者不成立的时候都会用0和1来决定是继续判定还是处理行为选择。如果是0 后一列的数据会填写下一个节点的ID，也就是继续思考，如果是1，表示可以执行对应的处理。 此时，后边的列里边我是存放了行为枚举值和对应的概率。因为并不是所有行为都是百分之百执行的。将这个表导出之后提供给控制器使用就可以了。
2. 数据表的索引方式
   对于简单的ai，可以一个敌人对应一个决策树ID；对于复杂的AI，可以一个敌人的一个动作对应一个决策树AI。所以这里抛出了一个问题，就是手动填写这样的表，维护成本也比较高了，所以这里对于复杂的AI需求，建议自己开发个小工具，这样用起来不易出错，且容易维护。

结语

以上就是我个人对游戏开发中AI的理解，当然我是拜读了《游戏人工智能——计算机游戏中的人工智能》这本书的。好像此书已经绝版了。希望放出来对热衷于游戏开发的小伙伴们有所帮助。