dayu的Blog

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://dayuhome.blogbus.com/logs/25485687.html

                         目标驱动的智能体行为（个人翻译，不准确之处还请包涵）
          多数人了解有限状态机来制作游戏角色的AI，但是有限状态机的种种弊病，使得其恶名远播。
这次我们用另外一种方法，一种分层的目标集合来定义智能体的行为
        通常目标可以是原子的也可能是复合的。原子目标定义一个简单任务，行为，或者动作，
比如查找一个位置或是给枪上膛。然而复合目标由几种子目标组成，这些子目标可能是原子也
可能是复合的，这样就可以定义一个嵌套的层级。复合目标比原子目标要完成更多的任务，
如建立一个武器工厂，或者撤退以找到掩体。这2种目标能够监视他们的状态，当失败时以重新计划。
分层结构提供给AI程序员一个直觉机制以定义智能体的行为，因为他共享了很多人类思考过程的相似点。
人类选择更高级的抽象目标满足他们需要和渴望，然后把目标分解成为一系列的动作计划并付诸实施。
          例如在一个雨天，你决定去看一场电影，这是一个抽象目标，他们不可能在分解成一些小的子目标之前被完成，例如离开房子，去影院，进入影院。事实上，每个这些子目标也是抽象的，必须被继续分解。
这些分解是直接的，但有时候我们会陷入一些选择，例如，去电影院可能以几种方式达到，你可以开车，
可以坐公车，可以骑自行车，也可以步行去。你可能花费一些时间来决定怎么去。这个过程持续直到目
标已经被分解成基本的动作，你身体可以执行的时候。例如离开房间，能分解成，走到衣柜钱，打开衣
柜，拿出外套，穿上外套，走到鞋架，换上鞋子，打开门，走出去。而且，人们不愿意浪费能量，人么
不会浪费大大小小的卡路里来思考一个不是绝对需要的目标。如，当你手里没有一个罐头的时候，你不
会思考是否要打开它，当鞋没有穿在脚上的时候，你也不会去考虑去系鞋带。
        一个目标导向的智能体会模仿这些行为。每次思考，会检查智能体的状态，选择一个预先设计好的
高级目标或策略，它相信这个目标的达成将更容易使得它满足自己的需要和愿望（通常是赢得游戏）。
然后智能体将尝试跟随这个目标，并将其分解成一系列的子目标，依次完成他们。它将不断的努力，
直到目标达成，或者失败，或者游戏状态让一个新的策略成为必要。


让我们看一个例子。
也许你玩过Dragon Slayer 2这个游戏。Eric的AI程序员已经为其创建了几种策略作为他的选择。防御龙，
攻击龙，买武器，得到食物，得到啤酒。这些策略代表一些高级的目标，所以他们将被分解成诸如此类的
小目标：寻路，沿着路走，穿过路边缘，刺龙，切龙，逃跑，躲避。为此，要完成一个策略，Eric必须要
分解策略成这些小目标，并逐个完成他们，有必要的话还要分得更细。
         现在Eric已经进入了这个游戏世界。既然他手里没有拿着武器，因此他感到容易被攻击，他强烈的想要得到一个尖锐的矛，他的大脑（一种特别类型的目标，他能作出选择）考虑了所有的策略，觉得买武器最能够满足他的需要。所以这个被指派给他作为目标，直到有其他的选择。现在，Eric无法完成这个目标，因为目标太抽象了，他必须分解它，从这个例子看，包含的子目标有得到足够的金子，然后去铁匠铺。去铁匠铺只会在得到足够的金子后才被考虑。得到金子又是一个复合目标，他包括找到金矿的路径，然后跟随路径，然后捡起天然的金块。找到去金矿的路径，这个通过向路径规划器发请求来获得。然后将其从目标队列种移除。当所有的目标完成后，Eric将拥有一个发亮的长矛在手中。