MMORPG战斗系统随笔（三）、AI系统简介

　　转载请标明出处http://www.cnblogs.com/zblade/

　　在设计一款游戏的时候，如果我们是玩家，是希望自己能够操作角色畅玩游戏的。在一款MMORPG游戏中，大部分的实际游戏角色，是需要玩家来操作的，通过在游戏大世界相互完成游戏中的任务等等来体验游戏。在大世界交互场景中，不可避免的会有怪物的存在，也会有NPC，某些策划布置的场景角色怪物等等。同时，在常见的MMORPG游戏中，自动战斗是不可避免的一个功能。这些表面的角色或者功能的背后，其实就是游戏的AI机制。

　　说到游戏的AI，和现在比较流行的人工智能有一定的区别。现在的人工智能是全面的AI，包含数据收集，数据分析，行为支配等等操作。而游戏中的AI，属于比较特定的一类，主要是为战斗系统提供的一种机制。现在主流的机制主要分为两类：状态机和行为树。这两类机制，各有其优势，在实际的应用中需要结合实际的需求来采用。我分别在两款游戏中采用了这两种机制，下面也算一个个人的总结吧。

一、状态机

　　状态机这种机制，主要是针对战斗状态不太复杂的应用场景。如果我们的角色，在整个游戏过程中，只有少数几个可以列举的状态，比如：站立，寻敌，攻击，行走，受击这样可以枚举出来的几个状态，那么，我们可以考虑用状态机的方式实现这几种状态的相互切换。具体的关于状态机的实现，我这儿就不再赘述了，网上有很多详细的讲解，也有比较多开源的代码，大家可以参考github上的代码类似的实现自己的状态机。我就写几点个人的一些总结吧。

　   1、从基础搭建开始。

　　网上比较多的状态机，都是结合其实际的应用场景，包含一些特定的实现设计在里面，我们在搭建自己的状态机的时候，可以从一个细小的状态开始搭建，先搭建一个节点，然后依据同样的设计，搭建类似的多个节点；

2、保持节点的简洁性和去耦性。

　　通常，在最初的节点搭建完后，是不可能一劳永逸的，后续反复的修改，都会对这些节点进行特定的修改和某些特定规则的设计。

　　举个列子，射击这样一个状态节点，A英雄的设计是单发，B英雄是连续10发，那么如何保证对这两个英雄的同一个射击状态的兼容？一种设计方式，是将当前的英雄作为一个参数进行传递，那么在执行的时候，就读取当前传入参数的英雄的具体配置，进行相关的射击动作。把射击相关的逻辑封装在该英雄对应的攻击执行器中，那么其具体执行的射击单发还是射击10发，就可以作为一个循环执行，单发循环一次，10发循环10次。

　　以前我的设计实现思路，是针对单一的英雄，特定重载实现其对应的射击节点，这样也算一种解决方法，只是这样的设计有一个弊端，就是随着英雄类型的增多，其对应的特定实现会不断的扩大，相应的重载实现的版本会增多。如果设计思路和文本清晰，那还可以维护，如果设计思路不清晰，那么就会带来维护的消耗。

3、做好节点的剥离，避免节点耦合太多。

　　通常状态机是用在比较简易的游戏类型中，角色本身的状态类型不会太多，那么对应的状态节点应该避免相互之间的耦合和功能交叉，状态的切换可以走相同的属性设置来实现交互。如果随着设计的变化，状态实现越来越多，可以考虑用行为树来实现，避免相互之间的耦合太多。

二、行为树

　　在RPG游戏中，行为树是用的比较多的一种AI机制。就其本质而言，行为树是状态机的一种更高封装的实现。我个人的理解，行为树就是将特定的行为节点进行封装，做成叶子节点，这样可以实现任意节点的拼接。想象一下，如果我们把每个特定的状态机进一步的封装，做成一片片叶子，这样我们在搭建树的时候，就可以收集特定的叶子，来搭建特定的树，最后得到特定功能的行为树，这就是我对行为树的一个简易理解:D 如果用更为规范的说法，那么这些叶子节点，就是行为树中的行为节点，行为树的行为节点的执行结果，可以用枚举的方式列出：

RunningStatus =
{
      INVALID   =  ,
      SUCCESS  = ,   --执行成功
      FAILURE   =  ,  --执行失败
      RUNNING  = ,  --执行中
}

　 一棵树的搭建，不能只有叶子，还需要有枝干，这就需要行为树中的一些特定的节点来搭建这棵树，这就是行为树中的控制节点（Control Node）的作用。注意一点，行为节点是和游戏实际关联的，在行为节点中，我们会去具体的定义如何攻击(shoot/attack)，寻路(patrol)，闲置(idle)等，但是在控制节点中，其具体运行的逻辑是和实际游戏数据没有关联的，其只需要负责基本的控制逻辑即可 。通过控制节点，我们可以清晰的知道整个行为树的执行逻辑，这就是行为树的一大优势：执行逻辑可见。 行为树主要有以下几种控制节点，举例说一下：

　　4种Composite节点

　  1、Sequence节点： 顺序执行控制节点，其执行的基本逻辑是：对其下面的所有叶子节点，均顺序执行，直到遇到返回为FAILURE的节点。（我对这种节点的理解，就是串联电路的思维，电流顺序走过每个电阻（叶子），如果遇到第一个无法流过的电阻，则返回，否则会一直流过去，直到所有电阻都流过）

2、Selector节点：选择执行控制节点，其执行的基本逻辑是：对其下面的所有叶子节点，顺序执行，直到遇到第一个返回为SUCCESS/RUNNING执行结果的节点。观察上面的Sequence节点，和Selector节点的区别仅仅在于选中的节点的返回结果的不同处理。在其他地方好像对选择节点进行了分类，可以分为：带优先级的选择节点，不带优先级的选择节点，带权值的选择节点。带优先级，是指在选择那个节点更新的时候，会根据优先级进行比较来选择。不带优先级的时候，一般会设置为每次更新的时候会沿用上一次的更新节点，因为一般更新的时候，会有一段时间持续处于某个节点的状态（目前我用的就是这样的选择节点），而对于带权重的选择节点，一般用来做多样的随机性，比如游戏中的宠物，需要表现一个交互动作，那么可以做多个交互动作，在每次做选择节点的时候，根据权重随机一个节点用来表示交互动作。

3、Parallel节点：并行执行控制节点，其执行的基本逻辑是：对其下面的所有叶子节点，各自执行一次，如果返回结果不为RUNNING，则分别统计SUCCESS和FAILURE的结果，一般结果会采用“与”和“或”的操作。比如当前Parallel节点的返回条件可以分为 全SUCCESS或者任意一个SUCCESS，全FAILURE或者任意一个FAILURE。在执行完所有叶子节点后，可以对比其执行的SUCCESS和FAILURE节点的个数，和其设置的返回结果对比，如果满足则返回SUCCESS（SUCCESS条件）或者FAIULURE（FAILURE条件），或者返回RUNNING。

 4、Detector节点：检测执行控制节点，其执行的基本逻辑是：对其下面的所有叶子节点，逐个执行，如果返回的不为RUNNING，则检测，如果为SUCCESS，则接着执行，为FAILURE，则执行结束。即遇到第一个返回为FAILURE的节点，就结束执行。

6种Decorator节点

1、Invert节点：反转装饰节点，其执行的基本逻辑是：只有一个叶子节点，如果返回为SUCCESS，则返回FAILURE；如果返回为FAILURE，则返回SUCCESS；否则返回RUNNING

2、Sucees节点：Success装饰节点，其执行的基本逻辑是：只有一个叶子节点，执行后，直接返回SUCCESS

3、SuccessToRunning节点：根据名字就可以知道，其叶子节点在执行完后，如果返回为SUCCESS，则修改其结果为RUNNING，其他的状态不改变，返回最终执行状态给上一层。

4、FailureTORunning节点：类似于上一个节点，其叶子节点在执行完后，如果返回为FAILURE，则修改其结果为RUNNING，其他的状态不改变，返回最终执行状态给上一层。

5、SuppressSuccess节点：suppress的意思是抑制，所以这个节点的功能，就是不准返回SUCCESS的执行结果，如果叶子节点返回为RUNNING则返回RUNNING，其他都返回为FAILURE给上一层

6、SuppressFailure节点：类似于上一个节点，该节点只会返回RUNNING或者SUCCESS这两种执行结果

除了常见的Compositor节点和Decorator节点，还有Condition节点，依据前面两种类型节点，不难推出后面的Condition节点的功能，就是在某些条件下才触发某些特定返回结果的一些节点。

简而言之，行为树就是在三个大类的控制节点：Compositor节点、Decorator节点、Condition节点的搭建下，结合各个行为叶子节点，拼接出一个基本的AI执行机制，举个例子：

bt_atk

<Root>
     <Selector>
          <Attack>
          <Homing>
      </Selector>
</Root>

　　这是一个简单的站在原地攻击的行为树设计，首先执行Selector节点，然后顺序执行其下面的所有叶子节点，首先会执行攻击的叶子节点，如果返回为Success，则继续执行Homing节点。所以其基本的设计思想就是：触发一次攻击检测，如果有攻击对象，则执行攻击，返回SUCCESS，同时结束本次tick；否则返回FAILUER，那么就会执行下一个节点Homing。

　　通过构建一颗基本的行为树，我们可以组件一颗更大的树，比如我们再构建一颗巡逻的行为树：

bt_patrol

<Root>
      <Selector>
          <Patrol>
          <Homing>
       </Selector>
</Root>

　　 通过这两颗基本的行为树，我们可以组建一个更大的行为树：

bt_monster

<Root>
    <Selector>
            <Sequence>
                 <Patrol>
                 <Homing>
            </Sequence>

             <Sequence>
                  <Attack>
                  <Homing>
             </Sequence>
      </Selector>
</Root>

　　当然我只是一个引申，更加具体的设计可以根据具体的设计来实现，有时候不只是叶子节点可以复用，某些树也可以整体作为一个叶子复用，这样可以实现设计的复用。

　　在行为树中，一般的设计思路，是会构建一个行为树的模版，比如上面的bt_atk，在每个使用该模版的角色进行初始化行为树的时候，是从该模版缓存中取出一份，然后初始化相关的信息得到一份实例，在进行行为树更新的时候，是更新其对应的实例。

　　而且为了通用各个树干和叶子节点，都是采用数据封包传递，在数据包中封闭当前角色相关的信息或者黑板信息，这样在每个节点更新的时候，都是从数据封包中获取当前角色相关的信息，从而进行对应的逻辑更新。这样，就避免了一些设计上的将数据封存在action行为节点上的问题，通过封包的传递，可以降低耦合，提高复用性。

　　对于行为树的优化，我提一个优化点吧。大部分的行为树在具体的项目中应用都是结合具体的设计来实现的，所以我采用的优化未必适合于其他游戏的优化，但是可以采用一个更新频率的设置来降低行为树的更新频率，这个是可以通用的。我在测试服务器的代码性能的时候发现，当场景中的角色数量比较少的时候，大部分的游戏性能都被场景中的怪占用了，而怪物的更新中对于AI的更新又是一个很大的占用。我采用一种距离配置的方法进行优化，当怪物周边没有玩家的时候，降低怪物的更新频率或者就不执行怪物的AI更新，当怪物进入玩家的视野的时候，采用较高的更新频率，当怪物进入玩家的攻击范围的时候，采用正常的更新频率。通过不同距离检测设置不同的更新频率，可以较好的优化在玩家个数较少时的怪物AI性能。

总结：游戏中两种常见的状态机和行为树都做了一个简单的讲解，当然现在网上比较多相关的资料，如果想深入的学习，可以搜集相关的资料研究，有较多的开源代码也可以参考研究一下。当然我说的都是较为浅显的设计，具体的状态机和行为树节点的设计，其中具体逻辑的编写，是需要结合实际的游戏设计来实现的，这就需要程序和策划具体的商量和实现了。好了，今天AI的简介就说到这儿，下一篇再说说一些优化的总结吧：D