决策性游戏AI具体设计教程解析

　　AI本质上只是众多游戏系统中的一个环节。所以让非游戏设计师来部署整个游戏中的这么一个重要环节，是不是有点不合适？设计师需花大量时间和精力确定所有系统的目标及关注点——AI也是其中之一。

     这里的教程是针对的AI是解决决策性问题，不包含具体执行问题。例如：A角色和角色B战斗，那么A的行为判断将由AI负责，AI决定是继续奋战到底，还是逃跑，引诱，等。行为执行过程使用更简单和成熟的计算方式，逃跑路线，躲避、追踪目标的具体计算都有很详细的计算方法讲解，这些不在本文讨论范围内。随后本文所谈到的AI都是针对决策性的AI。

　　我希望游戏中AI表现的更理智些，不只是简单的条件判断，状态转换，if血>80%攻击if血<10%逃跑。更甚者那种没有一点智商的，看着自己濒临死亡了仍然浴血奋战，真是勇气可嘉啊！

　　AI作为角色的大脑指挥者，需要环境信息、角色自身信息、外部输入信息。AI做出决策后，直接指导角色行为，角色自身会有所改变，也会影响其所在环境，这些受决策影响改变的信息也会反馈给AI。

　　AI系统通过感知器接受输入数据，处理完成后通过传递器输出数据。感知器和传递器把游戏数据和AI能解释的信息互相转换。数据的映射w=a(x)。

　　决策方式多种多样，我希望能使用简单的组件组装AI，同时可插拔。能够使用一个决策方式或者多个方式共同作用，也能够通过简单的基本单元组合成复杂的体系。

　　多个决策方式共同作用在动画《新世纪福音战士》中有直接表现，NERV的超级电脑系统由作为人类所扮演的三个社会角色组成，最后总合得到结果。

　　这与游戏角色在战斗时做出决定时从多个方面考虑类似。当从多个方面衡量的时候需要一个方法来平衡各方面的权重，决定最终的结果。在《游戏编程精粹4》中提到“仲裁者”就是对多个“决策者”（军师、参谋）评估出最后策略。

　　当然，仲裁者如何权衡各决策者的结果，投票或其他，有很多方式可以选择，如果让仲裁者有可塑性也许会表现出有趣现象，不同情况下倾向于某个或某些决策者。

　　我还希望AI具备学习系统，可以选择需要对记忆数据，记忆可以是唯一全局的，也或者每个决策者一个记忆数据库。哪种方式好就不清楚了，显然可见的是存储大小上的差别。