关于行为树

简单介绍构建游戏AI所需要的一些工具：状态机，层次状态机，行为树的区别以及联系

Finite State Machines(有限状态机）

1. 基本节点是状态。他包含了一系列运行在该状态的行为以及离开这个状态的条件。
2. 这是图。状态可以任意跳转,实现简单,但是对于大的状态机很难维护.状态逻辑的重用性低.
3. 每一个状态的逻辑会随着一些新状态的增加而越来越复杂。维持状态的数量和状态逻辑复杂性是一个很大的难点。需要合理的分割以及重用状态。
4. 状态机状态的复用性很差，一旦一些因素变化导致这个环境发生变化。你只能新增一个状态，并且给这个新状态添加连接他以及其他状态的跳转逻辑
5. 状态机的跳转条件一旦不满足，就会一直卡在某一个状态（整个状态机就会卡住）

Hierarchical FSM(层次状态机)

1. 基本的概念和状态机一样。

2. 可以将一些状态节点的归结成一个超级状态（Super-States），共享一些状态跳转逻辑（Generalized Transitions）。相对于状态机，它主要提供了可重用得跳转条件。
3. 绝大多数层次状态机设计的时候，每一个子状态通常只包含在一个Super-States里面。(如果A,B两个Super-State都包含相同的子状态，则A,B分别添加两个不同的子状态实例)
4. 超级状态跳转依然需要考虑很多不同的子状态的情况。手动的修改这些状态跳转是非常恶心的一件事情。

5. 状态模块化很差，你很难在不修改代码的情况下完成新逻辑

 

Behaviour Tree（行为树）

一个流行的AI技术，涵盖了层次状态机，事件调度，事件计划，行为等一系列技术
1.高度模块化状态，去掉状态中的跳转逻辑，使得状态变成一个“行为”。

2."行为"和"行为"之间的跳转是通过父节点（Composite）的类型来决定的（例如sequence或者selector) 。比如并行处理两个行为，在状态机里面无法同时处理两个状态。

3.通过增加控制节点的类型，可以达到复用行为的目的。

4. 可视化编辑

参考资料：

http://aigamedev.com/open/article/fsm-reusable/

http://aigamedev.com/open/article/hfsm-gist/

http://aigamedev.com/open/article/bt-overview/

 

有限状态机和行为树举个粗糙的例子来比较一下两者的不同：

AI行为：吃饭 睡觉 打豆豆(很消耗体力和脑力的;)

1.打豆豆 HP -= 5 / 秒    MP -= 3 / 秒
2.吃饭 HP += 10/秒  MP -= 1 / 秒
3.睡觉 MP += 15/秒  HP -= 2/秒 
4.吃饭和睡觉是不可打断的动作(pending)，必须执行到吃饱(HP = 100) or 睡饱(MP = 100)
5.打豆豆是瞬发动作,每帧都可以执行一次

 

状态机的实现逻辑图：

 

 

 

 

 

行为树的实现逻辑图：

 

 

 

 

其实不管你知不知道什么是selector,condition都不要紧，至少从上图，应该可以看出来，行为树节点间的联系并不像状态机那样得“紧密”。

 

选择两种不同的ai实现方法，也决定了具体行为的实现逻辑。

比如对于sleep动作的实现，如果是状态机：

function sleep() = if Y == 100 then AwakeEvent() return end HP -= X MP += Y end然后每一帧执行sleep()


如果是选择行为树:
function sleep() local sleepTime = (100/15)--不好意思乱入了一段cocos2dx的代码 self:runAction(cc.Sequence:create(cc.DelayTime:create(sleepTime),cc.CallFunc:create(cancelPending))) local cancelPending = function() pending = false end end

 

罗列一下行为树的概念：

对于有限状态机而言，必须明确 状态的转换方式；对于行为树，必须明确状态前提：前提条件
每一个行为必须有“前提条件” ，这决定了该行为是否被选择。
行为树的运算也是通过帧循环的update来驱动，不一定是每帧都update，但是要周期性update。
每一次run从根节点(root)开始，每一运行都会选择一个可行的子节点运行，这种选择可以是随机方式，也可以是预设好优先条件
行为树由叶子节点和中间节点组成，叶子节点是最基本的行为(如跑动，攻击)，中间节点代表逻辑单元(巡逻，逃跑)。
当一个叶子节点被选择后，就会激活其对应的基本的行为
最基本的行为可能执行成功也可能失败。
高等级的行为（中间节点）是否执行成功依赖于他们的孩子节点是否执行成功。
一个子节点失败可能导致父母节点选择另外一个孩子。
除了选择(selector)一个单独的子节点行为，一个节点还可能顺序(sequence)or并行(concurrent)得运行他的所有子节点。
一个行为除了有前提条件，可能还有上下文条件(父节点or孩子节点可能存储一定的状态变量)。
高优先级的行为可能抢占低优先级的行为

 

 

 行为树(Behavior Tree)，有4大类型的Node：

(1) Composites Node  组合节点，包括经典的：Sequence，Selector，Parallel

 * Selector Node
    当执行本类型Node时，它将从begin到end迭代执行自己的Child Node：
    如遇到一个Child Node执行后返回True，那停止迭代，
    本Node向自己的Parent Node也返回True；否则所有Child Node都返回False，
    那本Node向自己的Parent Node返回False。
    
  * Sequence Node
    当执行本类型Node时，它将从begin到end迭代执行自己的Child Node：
    如遇到一个Child Node执行后返回False，那停止迭代，
    本Node向自己的Parent Node也返回False；否则所有Child Node都返回True，
    那本Node向自己的Parent Node返回True。
  
  * Parallel Node
    并发执行它的所有Child Node。
    而向Parent Node返回的值和Parallel Node所采取的具体策略相关：
Parallel Selector Node: 有一个子节点True返回True，否则返回False。
Parallel Sequence Node: 有一个子节点False返回False，否则返回True。
Parallel Fall On All Node: 所有子节点False才返回False，否则返回True。
Parallel Succeed On All Node: 所有子节点True才返回True，否则返回False。
Parallel Hybird Node: 指定数量的子节点返回True或False后，才决定结果。

 

    Parallel Node提供了并发，提高性能。
    不需要像Selector/Sequence那样预判哪个Child Node应摆前，哪个应摆后，
    常见情况是：
    (1)用于并行多棵Action子树。
    (2)在Parallel Node下挂一棵子树，并挂上多个Condition Node，
       以提供实时性和性能。
    Parallel Node增加性能和方便性的同时，也增加实现和维护复杂度。

  PS：上面的Selector/Sequence准确来说是Liner Selector/Liner Sequence。
  AI术语中称为strictly-order：按既定先后顺序迭代。
  
  Selector和Sequence可以进一步提供非线性迭代的加权随机变种。
  Weight Random Selector提供每次执行不同的First True Child Node的可能。
  Weight Random Sequence则提供每次不同的迭代顺序。
  AI术语中称为partial-order，能使AI避免总出现可预期的结果。

(2) Decorator Node 装饰节点，顾名思义，就是为仅有的一个子节点额外添加一些功能，比如让子task一直运行直到其返回某个运行状态值，或者将task的返回值取反等等

(3) Actions Node     行为节点，行为节点是真正做事的节点，其为叶节点。Behavior Designer插件中自带了不少Action节点，如果不够用，也可以编写自己的Action。一般来说都要编写自己的Action，除非用户是一个不懂脚本的美术或者策划，只想简单地控制一些物件的属性。

(4) Conditinals Node 条件节点 ，用于判断某条件是否成立。目前看来，是Behavior Designer为了贯彻职责单一的原则，将判断专门作为一个节点独立处理，比如判断某目标是否在视野内，其实在攻击的Action里面也可以写，但是这样Action就不单一了，不利于视野判断处理的复用。一般条件节点出现在Sequence控制节点中，其后紧跟条件成立后的Action节点。

 

  整棵行为树中，只有Condition Node和Action Node才能成为Leaf Node，而也只有Leaf Node才是需要特别定制的Node；Composite Node和Decorator Node均用于控制行为树中的决策走向。(所以有些资料中也统称Condition Node和ActionNode为Behavior Node，而Composite Node和Decorator Node为Decider Node。)

 

 

 unity 插件Behavior Designer对于变量的共享做了如下处理：

在同一个Behavior Tree（一般一个GameObject有一个Behavior Tree）的Task间共享的局部变量可以直接在编辑器的Variables添加；另外也支持在不同Behavior Tree之间共享的全局变量；还支持Task与非Task（游戏系统中的其他脚本）之间进行变量传递，通过下面代码进行：

 behaviorTree.GetVariableName("MyVariableName");

 behaviorTree.SetVariableName("MyVariableName", value);