一.游戏AI

游戏AI（Game AI），是指在游戏中，由已经写定好的程序控制的“类人化玩家”，俗称电脑玩家。一般的游戏AI能够拥有对真实玩家的一系列操作感知的能力并对此作出交互行为，比如：攻击（Attack），逃跑（Run away）等。而且AI所做出的反应并不是凭空生成，而是通过模仿真实玩家的操作使其行为富有“智能化（Intelligent）”。

需要注意的是，一般的游戏AI与我们讨论计算机视觉、自然语言处理等领域时所说的AI（人工智能）并不相同，考虑到游戏的开发成本，周期以及家用计算机处理能力，游戏AI的智能度相对较低。不过随着硬件的发展，游戏AI始终会朝着真正AI的方向发展。

游戏AI中通常分为定性和非定性两种。

• 定性：定性即AI的行为是人为设计好的，只有true（做出反应）或false（不做出反应）。比如说怪物AI，感知到玩家进入视野范围，就会往玩家此时的方位移动，AI不会思考玩家是否携带武器，是否处于某种状态之类的情况。
• 非定性：非定性即AI的行为有一部分是不可预测的，具体实例是让AI角色学习到适应玩家的行为。这样的学习能力可以利用人工智能的神经网络、贝叶斯技术或遗传算法得到。该技术可以让 AI 自主进行学习，并进化出新的行为，增加游戏可玩性。开发者也无需考虑到AI在游戏中所出现的所有情况，可以减少定性AI所产生的一些BUG。目前已经有一些3A开发厂商开始对这一方面进行深入研究。

目前游戏AI基本归结为三个部分的能力：感知，思考，动作。

1. 感知：是指能够察觉到周围环境变化，如玩家进入视野，AI受到攻击等。
2. 思考：是指能够对感知到的事物进行一个选择反馈，“思考”该做出什么行为，这是AI中最主要的组成部分。
3. 动作：是指AI通过思考得出结果并根据该结果在游戏做出实际的行为，攻击，逃跑，交流等都属于这一类。

二.游戏AI的基本实现方式

Ⅰ.朴素AI

朴素AI指的是仅仅使用简单的分支语句（if…else或switch…case）对AI的行为进行判别和分类。

举个栗子，一个敌方士兵在基地站岗，拥有以下几个基本行为：

• 玩家未靠近时自动巡逻
• 玩家靠近基地时(5m)向玩家移动
• 碰见玩家(<2m)就进行攻击
• 血量低于30%时寻找掩体并躲起来
• 血量为0时死亡

IF…ELSE实现：

if(AI.HP == 0){
   AI.Dead(); 
}else if(AI.HP > 0 && AI.HP <= 0.2){
   AI.FindBunker();
}else if(AI.Distance - Player.Distance <= 2){
   AI.Attack();
}else if(AI.Distance - Player.Distance <= 5){
   AI.MoveToPlayer()
}else{
   AI.Patrol();
}

由于游戏中有多种AI，每种AI的行为方式不尽相同，用这种方法我们需要为每一种AI单独写一份代码，几乎没有可重用性，会使开发人员的工作量增大。但是因为朴素AI的效率高，代码直观，所以一般用在项目初期的测试以及应急时期。

Ⅱ.AI有限状态机 (Finite-state machine,FSM)

有限状态机是一种抽象机制，通常设定了各种不同的预定状态。有限状态机也可以定义一连串的条件，以便确认何时应该改变状态，当一个事件的发生，将会触发一个动作，或者执行一次状态的迁移。FSM中一定存在两种状态–初始状态和结束状态，在启动一个FSM时，首先必须将FSM置于“起始状态”，然后通过输入一系列操作，最终，FSM会到达“结束状态”或者“消亡状态”。

任何一个FSM都可以用状态转换图来描述。这里我仍然拿上一个栗子来说，下面是一个实际栗子的状态转换图：

简单的FSM代码：

private Enemy enemy = new Enemy();
public void EnemyAction()
{
    if(enemy.HP){
       status = AI.Dead(); 
	}else if(enemy.HPLower){
	   status = AI.FindBunker();
	}else if(enemy.CloseToPlayer){
	   status = AI.Attack();
	}else if(!enemy.CloseToPlayer && enemy.DistanceToPlayer){
	   status = AI.MoveToPlayer()
	}else{
	   status = AI.Patrol();
	}
} 

FSM相比于朴素AI的优点：

• 可以通过分类封装接口，让每一种AI调用接口来实现状态的迁移
• 不需要实时计算各类函数，减少计算产生的损耗

但是也有缺点：

• AI越智能，状态流程图就越复杂，后期难以维护
• AI的功能难以扩展，新加状态的时候需要考虑目前状态间的关系

Ⅲ.AI行为树 (Behavior Tree,BT)

Behavior Tree是一种树状的数据结构。每次调用都会从根节点开始遍历，自顶向下，通过一些条件来检索这颗树，最终确定需要做的行为并执行。下面是一个简单的行为树：

在游戏中，行为树的父节点统称控制节点，而子节点则称行为节点。

• 控制节点：当AI接收到来自游戏中的某一条件时，就会开始遍历这颗行为树，例如：Attack的时候就会从根节点遍历到Attack这个节点上去，并且执行该节点下的行为。这时候的控制节点的作用就是接收信息并对信息进行决策筛选，它没有执行具体操作的功能。
• 行为节点：行为节点处于树的最底端，是最后一个接受信息的地方，意味着它需要对控制节点筛选出来的信息进行具体的操作反馈，是执行具体状态行为的地方。

事实上，行为树又称决策树，因为整棵树最主要的部分是控制节点，它需要对条件进行决策，判断出需要执行的正确的行为。

行为树的优点不仅在于它逻辑清晰，而且我们可以对其控制节点自定义判断。一般简单的自定义控制节点有三种：

1. 选择（Selector）：根据条件信息，只选择其子节点的某一个执行。
2. 序列（Sequence）：根据条件信息，将其所有子节点依次执行一遍，只有当前一个子节点返回“完成”状态后，才能继续运行下一个子节点。
3. 并行（Parallel）：根据条件信息，将其所有子节点都运行一遍。

不过单独使用行为树也是有缺点：

• 行为树后期分支数量庞大，每次遍历寻找合适节点的过程消耗高。
• 如果需要序列或并行状态，需要对整棵树进行多次遍历，过程繁琐。

Ⅳ.个人总结

无论是什么游戏，游戏AI所使用的最好的方法从来不是一个，而是通过不同类型AI来寻找适合该时期使用的方法：状态机+行为树，朴素AI+状态机+行为树等等。随着游戏的不断发展，游戏AI也还有很大的成长空间，会有更多的算法和优化方法去构造更加智能的游戏AI。

总结不易，如有不足，恳请指导！