从零点五开始用Unity做半个2D战棋小游戏（十）
好久不见。
这是第27篇与游戏开发有关的文章。
| 写在最前
这次想要做一个简单且传统的战棋小游戏，大概的玩法是：在2D世界里创建一张由六边形地块组成的战斗地图，敌我双方在地图上轮流行动，并向对方发动攻击，先消灭掉所有敌人的一方将获得胜利。
预计将分为以下几篇（未完成前可能会调整...）：
1、创建战场（已完成）
根据预定尺寸生成战场地图，并随机一些障碍物。
2、添加地图功能 （已完成）
实现战场格子点击反馈，地图导航及范围选定。
3、添加对战双方（已完成）
向战场中添加作战单位，作战单位轮流行动，可进行移动、攻击。
4、加入玩家控制（已完成）
玩家可控制一个战斗单位，手动选择移动目标及攻击单位。
5、添加常用的界面（已完成）
建立界面管理器，加入一些常用的界面。
6、添加常用的战场显示（已完成）
为战斗单位添加血条，加入伤害文字特效。
7、扩展作战单位（已完成）
丰富战斗元素，加入并实现手动释放不同类型的技能。
8、加入AI系统（上）（已完成）
建立超级简单的AI系统。
9、加入AI系统（中）（已完成）
调整AI系统的决策方式。
10、加入AI系统（下）
总结AI系统。
11、扩展战场地图
丰富战场地图，加入地形及道具等元素。
12、规范战斗配置
可以通过规范化的数据结构配置战场、职业、技能、道具等。
本次的主题是：总结AI系统。
项目使用的Unity版本为：Unity2018.3.0f2。
代码会上传至我的Github：https://github.com/elsong823/HalfSLG 中，有兴趣的同学请自取。
| 目标
在上一篇中，我对AI系统进行了重构，实现了一个简单的用数值配置影响决策的AI系统。
本篇，将简单介绍另一种AI系统的实现方式，并对近期三篇关于AI系统的文章做出总结。
| 一种新的AI系统
在设计AI系统之初，我拜托了好友Aillieo在工程中用另一种方法实现AI。
果然，他所采用的方法跟我的相比，有不小的差异，这也验证了鲁迅先生的一句话：
尽管大家的脑袋都差不多大，但所思所想却各不相同。
鲁迅先生的名言 (图源网络)
所以，本篇的上半部分，将会主要介绍Aillieo所设计的AI系统。
需要提前声明的是，由于时间原因，在工程中并没有实现这个AI的细节逻辑。
但是，虽然只是完成了基本结构，但仍可以对设计思路有一个较为清晰的认识。
| 系统的开始
一个连接了所有AI决策系统(Brain)的数据交换中心，是这个系统的基础。
这个数据交换中心负责向所有战斗单位广播战斗行为信息。
一个连接了所有AI大脑的数据交换中心
比如，当一个AI做出动作时，这个动作会通知到交换中心，并且广播给其他所有AI：这个家伙行动了！
| 信息的输入
当战斗数据从数据中心，被发送到某一个AI的Brain后，Brain会将信息进行处理为直接数据和间接数据。
战斗行为信息从数据中心传入Brain
直接数据是第一手的战场数据，包括战场上各个单位的位置、状态、生命值、攻击力等。
间接数据是根据策略的不同而去保存和监听的数据，如战场上造成伤害最高的单位，任意单位某个属性达到某个临界值，某个单位和自己的敌对程度等。
比如，当Brain接到了上面的行动信息后，首先会更新这个行动者移动后的位置（直接数据）；接下来还会发现：咦，这不就是刚才揍过我的家伙么（间接数据）。
| 战斗状态及切换
每一个战斗单位同一时间只能存在一种状态，战斗状态直接影响了行动时的行为。
当Brain接到的战斗信息被分别处理为直接和间接数据后，它将考虑是否需要切换战斗状态。
比如，当上面的Brain发现他的敌人已经进入了自己的“攻击范围”，就会将自己的状态切换为“战斗状态”；当然，如果他本身就是战斗状态的话，那就不需要切换了。
| 行为树与信息的输出
其实，在每一个状态的背后，都对应了一个行为树，而真正做出决策、产生行为的家伙，是这个行为树上的节点。
Brain决策了一个战斗行为信息，并传给数据中心进行广播
比如，当轮到上面那个处在“攻击”状态的AI行动时，他行为树中“仇恨优先”节点，会将仇恨值最高的单位选择为目标单位，并向他发动攻击。
行为树是如今AI设计中较为常用的方法。由于它本身就是个十分庞大且复杂的话题，加之网上介绍它的资料又非常丰富，这里就不做过多的展开了。
| AI系统的总结
我以为，此前的使用数值配置驱动AI决策的系统，在描述一个AI的多种类型的行为时，是很吃力的。
比如，尝试让一个AI做出非战斗的行为判断：拾取道具、解除机关、与场景互动等，很难用数值来对不同类型的行为进行换算。
之所以可以在战斗里得到验证，是因为这里只是把它用在了对战斗行为的决策上，而且这个战斗行为本身也是很简单的。
而本篇介绍的状态机 + 行为树的系统，稍加扩展，便可以在除战斗以外的其他地方发挥作用，十分通用。
那么是否就说明数值配置驱动就一定没有意义呢？
我不这么认为。
我所理解的状态机、行为树，是尝试从人类解决问题的角度出发，将人在现实中处理问题的思考、行为过程梳理出来，并把这种流程化的结果编织成机器可以执行的逻辑，来进行行为的决策。而上篇的数值配置驱动的驱动方式，则是在决策具体一个或一系列问题时，对内因、外因共同作用产生结果的一个模拟，因此我认为两者是可以结合在一起使用的。
| 写在最后
最近事情太多，挤来挤去后，留给自己写东西的时间还是非常有限，导致这个总结拖的太久。久到提笔写时，居然都忘了之前的系统是怎么做的，上一篇又是怎么写的了...无奈只能通过翻看之前的文章进行回忆...
行文至此，还是要感叹一下自己对AI相关的内容知之甚少。实事求是的讲，在动手搭建系统之前，对网上的资料，特别是对已经很成熟的“状态机”、“行为树”设计，也只是停留在概念上知道（现在也差不多）。
当然，这是我秉性使然的结果；对于一些不了解、感兴趣、却已经有较为成熟体系或总结的知识，在学习时反而会故意回避；宁愿多花些时间，用自己的方式摸索，等到有了自己的一套思路后，再翻看“答案”，看看谁的更有意思（虽然每次都输）。虽然这是一种效率极低的学习方式，但是这种“游戏”带来的乐趣，我是十分享受的。
好了，AI系统篇就暂告一段落，下一篇将继续丰富游戏内容：加入地形及道具等元素。
愿不忘初心。
下回见。
非常感谢您能读到这里，详细的代码可以移步Github（https://github.com/elsong823/HalfSLG）下载。
文章会在我的公众号 偶尔学学Unity 中不定期更新，欢迎关注，谢谢。