游戏AI 行为树

游戏AI - 行为树Part1：简介

背景

游戏中的AI，大多数都是按照规则设定好的，没有太多花哨的技术。原因有几个：

一是出于风险成本的考虑，用一个新技术，需要程序员开发相应的算法和框架，游戏设计师重新上手设计方法和摸索算法的适用范围，小团队承受不起这样的开销，大团队又怕做坏名声；

二是“高级”的AI算法并不直观，难以设计。举一个例子，怎么利用神经网络来训练一个士兵AI？我见过的一个例子是设计师用几个按键来操作士兵移动攻击，然后程序自动记录敌我双方的数据和设计师的操作，最后利用这些信息作为input构建一个行为树。这个方法的问题有三个，一是效率奇慢，因为如果数据不够，行为树就可能覆盖不了所有情况，但多少才是“够”，又没有定论；二是错误的操作也会被记录下来，当然可以开发一个功能来删除设计师的某个动作；三是行为树的结果是无法解释的，相当于一个黑箱。

由于上述的原因，一般的公司都会使用比较传统的有限状态机。

虽然第一次听的话可能会拗口，其实有限状态机的意思其实很简单，它包含了有限个的状态和状态间的转换条件。最直白的说法就是几个if...else...语句。为了弄明白这个概念，我们讲一个英雄的故事：

从前有一个胆小如鼠的英雄，

1. 他看到哥布林就会跑过去打它；
2. 他看到半兽人就会逃跑；
3. 他看不到哥布林也看不到半兽人就会休息；
4. 他看到哥布林也看到半兽人也会跑。

我们可以从中抽象出这样的一个有限状态机：

有限状态机很符合我们的认知，但它有一个致命的缺点——它随着状态和转换条件的增多而急速地变得错综复杂，以至于很难对它做出改动（想象一下，多加一个状态，则需要增加几条转换线，越多状态，需要增加的转换线越多）。

也由于这个原因，比较多的开发者投入了行为树的怀抱。

行为树

定义

行为树的概念会比状态机要复杂些——行为树是一个包含逻辑节点和行为节点的树结构，每次需要找出一个行为的时候，会从树的根节点出发，遍历各个节点，找出第一个和当前数据相符合的行为。

很拗口对吧，下面来一个生动点的解释，继续上面的英雄的故事，但是是用行为树表达出来：

这个行为树是等价于之前的有限状态机的。其中

Root是根节点，每次需要寻找行为的时候都必须从这里开始。

Priority Selector是一个逻辑节点，它的意思是让从左到右遍历自己的子节点，如果子节点的准入条件符合信息的话，就执行该子节点。如果英雄只看到哥布林，那么Orc in sight这个准入条件不符合，Escape不执行；Globlin in sight符合，于是执行Fight；因为Fight在Idle的左边，所以Fight的优先程度更高，于是Idle不执行。在我们的例子中，Idle可以看作是default behavior。

优点

从简单的行为树和有限状态机的对比，我们就可以看出，行为树由于引入了逻辑节点，它的转换条件更加少（线更少，更清晰），让拓展AI变得更加容易。

行为树还有另外一个优点：行为的重用（reuse)。

例如，Escape有一个跑的行为，而Fight则有跑的行为，和砍怪的行为。请看图：

Sequence同样是一个逻辑节点，它的意思是从左到右按顺序执行子节点，并且仅仅在一个子节点执行完成后才执行下一个子节点。在例子中，Do Run需要有一个自己判断到达目的地的方法，当该方法返回end的时候，才会执行Do Slash。

Escape和Fight的Do Run行为节点是一样的，只是Fight多了一个Do Slash行为节点而已。所以Do Run是一个可以重用的节点。

在行为树中，我们能够编写好Do Run，Do Slash这些基础的行为节点，和设定一些准入条件，就可以组成千变万化的AI了！

我们希望英雄在逃跑的时候群众发出嘘声，而在攻击的时候出现欢呼声：

省略了其他部分，只画Escape部分。

Parallel是一个逻辑节点，它的意思是让所有子节点同时运行，那它什么时候结束呢，可以使当所有子节点都完成的时候结束，也可以让任一子节点完成时结束，视乎需要来做出选择。

那么在攻击当中会是怎么样实现的呢？大家可以尝试画出来，习惯一下行为树的思维方式。

总结：

1. 行为树拥有3种节点：
   1. 根节点 Root
   2. 逻辑节点（可拓展）：
      1. Priority Selector
      2. Sequence
      3. Parallel
   3. 行为节点
2. 行为树在复杂的情况比有限状态机更清晰，更可拓展
3. 行为树有利于逻辑的重用
4. 设计得好的行为树可以千变万化！

之后，我会展示在游戏开发中怎么利用行为树作为框架来使用。