AI决策算法之GOAP (一)

发表于2018-02-26
评论0 1.18w浏览

当今游戏里的各种交互方式大家都已经见识过了,甚至有些游戏的AI让我们感受到了真实性。而下面这个系列主要是和大家介绍如何用GOAP实现AI,并介绍GOAP的实现算法。


什么是GOAP? 

引用原文的一句话 : 目标导向型行动计划(简称GOAP)是一种能够轻松呈现给你的代理选择的AI系统,也是帮助你可以无需维持一个庞大且复杂的有限状态机而做出明智的决策的机器。

用处:
以前我们经常使用FSM有限状态机来实现AI系统,但是当一个游戏的AI行为非常庞大的时候,那么有限状态机的代码是很庞大的,且大部分代码重用性非常低。 


在这时也许有人会用行为树来开发AI系统,但是行为树是依赖设计者的固定架构的,很不灵活,做的选择不一定是最优选择,而且每次都要经过大量的逻辑判断,性能消耗严重。



这时候使用GOAP是合适的,它会根据目标在环境中决策出最优的路线,从而达到看起来相对智能的AI,且代码的分层相对清晰,可读性高,重用性高。



怎么实现?
四个主要类:
Agent: 代理, 主体,负责连接各个类,主要逻辑在这里运行
Action: 动作, 可以被执行的动作,比如:拿东西,丢东西
Planer:决策者, 通过各个类来决策出最优的路线供Agent使用
IGoap:  数据提供者,提供给Agent目标和反馈是否成功失败等等

除了上述类之外还需要一个简单的FSM有限状态机来辅助。

在下面的后续文章中就和大家详细介绍它们实现的方式。

本系列文章内容部分参考自:http://gamerboom.com/archives/83622


如社区发表内容存在侵权行为,您可以点击这里查看侵权投诉指引