我正在创建一款游戏，该游戏需要屏幕上的单位根据团队和每个团队指定的敌人相互战斗。玩家不控制任何坦克或队伍。
问题是单位之间的战斗（目前是坦克）应该对玩家来说足够有趣，他们可以观看并享受乐趣而无需做任何事情。
我目前让坦克完全随机移动并在射程内互相射击，但我正在寻找更智能的东西。
我应该研究哪些类型的人工智能和人工智能算法？欢迎所有想法，我只是想让每场战斗都有趣。
【问题讨论】：
标签： artificial-intelligence behavior-tree
对于战略和战术，您的 AI 可能需要做出一些理性的决策以使其看起来更智能。有很多方法可以做到这一点，最简单的方法是为你的坦克写下几个条件动作规则，并将它们作为一个有限状态机来实现。 FSM 易于实现且易于调试，但是当您想要修改条件规则或添加/删除任何状态时，它会变得乏味。您还可以使用效用代理 - AI 会根据当前统计数据（弹药、生命值、敌人数量和位置）定期对每个潜在目标（例如交战、撤退、重新装填/加油、掩护、维修等）执行效用检查，并然后选择最可取的目标。与 FSM 相比，这需要更多的时间来实现，但在需要添加或删除行为时无需更改决策流程的方式更加灵活。它使 AI 看起来像是遵循一般规则，但并不总是可预测的。实用程序代理也更难调试和控制，因为当你的 AI 发疯时，你没有任何严格的条件动作规则来跟踪，就像你对 FSM 所做的那样。另一种流行的方法是行为树。动作序列被实现为树结构。它需要更多的代码来预先编写，但通常比 FSM 和实用程序代理更好地平衡控制和灵活性。这些决策过程并不相互排斥 - 您可以使用任何方法来制定顶级策略，而使用不同的方法来制定低级策略。
无论您选择何种决策过程，您都需要一些输入来反馈给您的 AI。您可以使用影响图帮助 AI 确定战场中的哪些地方被认为是敌对的，哪些地方被认为是安全的。影响力图在团队之间共享，因此它也有助于团队战术。当您的 AI 与多个敌人交战时，选择正确的目标很重要。如果你的 AI 选择了大多数人类玩家不会选择的目标，玩家会觉得 AI 很“愚蠢”，即使有时选择的目标实际上是最好的。您可以对敌方单位进行距离检查，并根据视线、当前武器射程、威胁等级等对目标进行过滤/优先级排序。有些测试比其他测试更昂贵（视线检查通常是最严重的违规者之一）所以如果范围内有很多敌方单位，您希望最后运行那些较慢的测试。
对于坦克的运动，研究转向行为。它涵盖了很多车辆的运动行为，但追求和逃避是你最需要的。如果您的坦克需要在复杂的地形中导航，还请查看 A* 以进行寻路。还有其他好的路径解决方案可以为您提供最短/最快路径，但在游戏中，最短/最快路径并不总是最佳路径。如果你的最短路径是开放的，但离敌线太近，你想给你的坦克一些启发，让你走不同的路线。您可以使用 A* 轻松配置路径首选项。
要研究的内容：有限状态机、基于实用程序的代理、行为树、转向行为、a* 搜索算法、导航航路点或导航网格、影响图。
【讨论】：
最简单的方法是让他们向随机方向行驶，当射程内有敌方坦克时，他们开始射击，直到其中一辆被摧毁。当他们的生命值太低时，你也可以让他们随机撤退。您还可以尝试添加组战术，让任何未参与的坦克都加入（有一定的可能性，所以它可能会，也可能不会 - 只是为了让事情变得有趣）它是战斗中最近的邻居。
如果您正在寻找算法，A*（“A-Star”）是一种通用寻路算法，可以帮助您的坦克四处移动，但我不知道有任何通用算法可以控制战斗。
【讨论】：