深度强化学习的人工智能在游戏中的运用：游戏AI入门及AI优化指南

　　在上面的三种战术的具体实行中，单人战术大多仅需简单的配置，而像事件响应与协同战术需要更丰富的底层机制去支撑，一个协同战术就需要：Group机制（可以通过发送Message来控制）、目标选择机制、追击与逃跑机制等的支撑。

　　《逆水寒》

　　虽然逆水寒机器人是深度学习AI进行控制，但其表现仍然可以用在很多先用的MOMORPG之中。

　　逆水寒机器人中一些出彩的机器人AI

　　以上就是机器人AI部分的分享，具体机器人AI的Lua行为树该怎么写，这个反而应该是很简单的存在，并且所需篇幅较长，这里就不再拓展。

　　3.3 怪物AI

　　怪物AI整体的含义很宽泛，这里不做过多的设计方面的分享，有太多的关卡/战斗策划有自己的真知灼见，这里就不献丑，只在AI逻辑中进行一个分享。

　　前提：一个分为简单、困难两个难度的BOSS，拥有普通攻击1、技能2，50%血量触发的技能3，困难模式30%血量才有的技能4，撰写简单的Lua行为树。（你可以思考一下打开的行为树逻辑方式，甚至自己写一些具体几个节点的框架）

　　下图，是上述BOSS AI子图中的一部分，这里为了方便阅读并理解其中逻辑含义省去了很多重复的逻辑元件运用（castSkillAll应该为一张子图，这里就简单合并为一个元件）。

　　一个简单的BOSS AI子图

　　在上图中，需要注意以下几点对你撰写AI子图会逻辑清晰以及方便很多：

　　1.returnBattle，在我们平时撰写AI中，我们总会把线迁回到一开始，完成一个闭环，让整个怪物AI循环起来，这样做法没有错，但是循环再复杂BOSS本身会造成难以阅读、修改等成本，让程序直接创建一个回到战斗的元件，整个流程图线性铺开，十分利于阅读。

　　2.putNewAction，有的怪物AI会把不同血量怪物掌握的不同技能再写一遍，这样的作法十分冗余，也让AI逻辑不利于阅读，利用插入优先行为的形式，在技能达到触发条件时，插入到怪物的技能列表里，让整个怪物逻辑更加清晰。

　　3.SkillFlag，起到的是保护作用，设置这样一个参数，是为了当新技能不会被重复加入，第一次加入技能后，该参数自动变化，后面不会再插入该技能。

　　当然，在怪物 AI的子图中还有很多小细节需要注意，但篇幅有限，仅先展开到这里。

　　四、深度强化学习的人工智能在游戏中的运用。

　　这一部分仅仅作为简单的分享，本人也并没有制作深度强化学习人工智能的能力，在与该类AI合作的过程中，能够知道现在这类理论AI在游戏中能运用到什么水平。

　　4.1 深度学习的应用场景

　　深度学习机器人需学习、调整3个月左右（参照简单RPG角色，时间受角色信息、样本数量、场地因素等等多方面限制），能够达到单人优秀玩家的水平。

　　如果想见识AI能达到的水平，可以参考逆水寒的流派挑战

　　至于简单的多人合作也可以做到，但是复杂场景中理论AI的运用会受到很高的局限性。

　　所以AI在游戏中以Lua行为树的形式存在应该还要很久，当然你也可以采用理论AI配合脚本AI的形式，所有玩法形式都由脚本控制，载入战斗状态时调用理论AI即可。

　　来源：知乎专栏

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!