前文回顾：
游戏AI研究（一）：感知AI
有限状态机
有限状态机的一般实现是将每个状态写成类，再用一个载体（也就是所谓的状态机）管理这些状态的切换。
关于状态机设计模式介绍，可参考我的另一篇博文：https://www.cnblogs.com/KillerAery/p/9680303.html
在以前，游戏AI的实现基本都是有限状态机，
随着游戏的进步，游戏AI的复杂性要求越来越高，传统的有限状态机实现很难维护越来越复杂的AI需求。
有限状态机的缺陷：
- 各个状态类之间互相依赖很严重，耦合度很高。
- 结构不灵活，可扩展性不高，难以脚本化/可视化。
行为树
(一个武装小队队员的AI行为树示例)
可以看到，行为树由一个个节点组成
- 结构：树状结构
- 运行流程：从根节点开始自顶向下搜索(执行)，最终执行叶节点对应的行为。
我们规定，每个节点都提供执行节点的函数，返还执行失败/成功结果。
然后根据不同节点的执行，一直往下执行，最终执行到叶节点对应的行为。
节点大概接口如下：
//节点类（基类）
class Node{
private:
std::vector<Node*> children; //子节点群
Node* parent; //父节点
public:
void addChild(Node*); //添加子节点
virtual bool excute() = 0; //执行节点，返还 成功/失败
//...
};
此外，我们还要把节点主要分为两种类型：
控制节点
控制节点是用于控制如何执行子节点。它提供(执行成功/执行失败)两种执行结果。
下面列出一些控制节点的介绍：
1.选择节点(Selector)
按顺序执行多个子节点，若成功执行一个子节点，则不继续执行下一个子节点。
举例：实现要不攻击,要不防御,要不逃跑。
用一个选择节点，按顺序添加<攻击节点>和<防御节点>和<逃跑节点>作为子节点。
class SelectorNode : public Node{
public:
virtual bool excute()override{
for(auto child : children){
//如果有一个子节点执行成功，则跳出
if(child->excute() == true){return true;}
}
return false;
}
};
2.顺序节点(Sequence)
按顺序执行多个子节点，若遇到一个子节点不能执行，则不继续执行下一个子节点。
举例：实现先开门再移动到房子里。
用一个顺序节点，按顺序添加<开门节点>和<移动节点>作为子节点。
class SequenceNode : public Node{
public:
virtual bool excute()override{
bool result = false;
for(auto child : children){
//如果有一个子节点执行失败，则跳出
if(child->excute() == false){return result;}
else {result = true;}
}
return false;
}
};
3.并行节点（Parallel）
同时执行多个节点。
举例：一边说话和一边走路。
用一个并行节点，添加<说话节点>和<走路节点>作为子节点。
class ParallelNode : public Node{
public：
virtual bool excute()override{
bool result = false;
//执行所有子节点
for(auto child : children){
if(child->excute() == true){result = true;}
}
return result;
}
};
常用的控制节点一般是<并行节点><选择节点><并行节点>。当然还有其他更多控制节点种类(不常用)：
- 随机选择节点(随机执行一个子节点)。例如偶尔闲逛，偶尔停下来发呆。
- 随机顺序节点(随机顺序执行若干个子节点)
- 次数限制节点(只允许执行若干次)
- 权值选择节点(执行权值最高的子节点)
- 等等..
可能到这里，有想到还有个问题：为什么控制节点也需要提供(执行成功/执行失败)两种执行结果。
答：这样做就可以做到决策的复合——控制节点不仅可以控制行为节点，也能控制控制节点。
可以规定：对于控制节点，如果它存在任意一个子节点执行成功，则它执行成功。否则，它执行失败。
行为节点
行为节点是代表行为的叶节点，当被遍历（执行）时则执行该节点代表的行为。它提供(执行成功/执行失败)两种执行结果。
行为节点的类型是比较多的，毕竟一个智能体的行为是多种多样的，而且都得根据自己的智能体模型定制行为节点类型。
这里列举一些行为：站立，射击，移动，跟随，远离，保持距离....
1.行为前提条件
执行行为不会总是一帆风顺的，有成功也总会有失败的结果。
这就是引入前提条件的作用——满足前提条件，才能成功执行行为，返还<执行成功>结果。否则不能执行行为，返还<执行失败>结果。
但是每个行为的前提总会不同，或有些甚至没有前提（换句话说，前提条件总是能满足）
一个可行的做法是：让行为节点含有bool函数对象（或函数接口）。这样对于不同的逻辑条件，就可以写成不同的bool函数，绑定给相应的行为节点。
std::function<bool()> condition; //前提条件
另一种更复杂的做法则是把前提条件抽象分离成新的节点类型，称之为条件节点。将其作为叶节点混入行为树，辅助控制节点决策。它相当模块化，脚本性能更高。但是由于逻辑条件的种类繁多，其编写各种条件节点类需要花费一定时间。
2.行为状态
一些行为是可以瞬间执行完的(例如转身?)，
而另外一些动作则是执行持续一段时间才能完成的(例如攻击从启动攻击行为到攻击结算要1秒左右的时间)
为了不让每帧重复启动执行一个持续行为，
我们给所有行为节点引入一个成员变量来标志，我们称为<行为状态>。
行为状态一般有2种:
这样提供执行结果前就要考虑这些行为状态了：
- 不满足前提，返还执行失败结果
- 满足前提，行为状态running时，返还执行成功结果。
- 满足前提，行为状态ready时，执行行为，返还执行成功结果。
另外可根据自己实际项目需求来定制状态（例如加入fail状态）。
行为节点示例实现
//行为节点类（基类）
class BehaviorNode : public Node{
protected:
std::function<bool()> condition; //前提条件
BehaviorState state; //行为状态
public:
virtual bool excute() = 0; //执行节点
};
//举例：移动行为节点
class Move : public BehaviorNode{
public:
virtual bool excute()override{
if(condition() == false)return false;
//如果状态是完成，则启动行为
if(state == BehaviorState::finish){
...//让智能体启动移动行为
}
return true;
}
};
总结
到这里，我们可以看到行为树的本质：
- 把所有行为（走，跑，打，站等等）分离出来作为各种<行为节点>，
- 然后以不同的<控制节点>决策（同时执行，顺序执行等）将这些行为复合在一起，组合成一套复杂的AI。
相比较传统的有限状态机：
- 易脚本化/可视化的决策逻辑
- 逻辑和实现的低耦合，可复用的节点
- 可以迅速而便捷的组织较复杂的行为决策
这里并不是说有限状态机一无所用：
- 状态机可以搭配行为树：状态机负责智能体的身体状态，行为树则负责智能体的智能决策。这样在行为树做决策前，得考虑状态机的状态。
- 状态机适用于简单的AI：对于区区需两三个状态的智能，状态机解决绰绰有余。实际上，状态机运行效率略高于行为树。在《杀手：赦免》的人群系统里，人群的状态机AI只有简单的3种状态，由于人群的智能体数量较多，若采取行为树AI，则会大大影响性能。
简言之：行为树是适合解决复杂AI的解决方案。
对于Unity用户，Unity商店现在已经有一个比较完善的行为树设计(Behavior Designer)插件可供购买使用。
额外的细节/优化
可让根节点记录该AI要操控的智能体引用（指针），每次进行决策，传给子节点当前要操控的智能体引用。这样就可以使AI行为树容易改变寄主。
(例如1个丧尸死了被释放内存了，寄生它的AI行为树不必释放并标记为可用。一旦产生新的丧尸，就可以给这个行为树根节点更换新的寄主，标记再改回来)
控制节点里有一种次数限制节点，意思就是执行过N次行为后，就不再执行。得益于树状结构，可以给次数限制节点搞执行N次后，解开与父节点的连接，释放自己以及自己的子节点。这是种'失忆'的小技巧。
共享节点型行为树是可供多个智能体共用的一种行为树，是节省内存的一种设计：http://www.aisharing.com/archives/563
博客地址：https://www.cnblogs.com/KillerAery/p/10007887.html
Steam 
App Store 
闽公网安备 35020302034348号