第11章 人工智能在游戏设计中的应用（导论） 人工智能导论课件.ppt

第11章 人工智能在游戏设计中的应用 教材： 王万良《人工智能导论》（第3版） 高等教育出版社，2011. 2 THE END 3.躲避障碍物 追踪与躲避是功能相反的两种运动模式。 游戏中玩家与非玩家角色都应符合现实场景的客观规律，即不能出现互相穿透现象，如玩家穿过非玩家角色、玩家走出虚拟场景、玩家穿越地面等。 对于这些现象，在设计过程中，可以理解为是追踪与躲避的一种特例。 11.4.2 游戏角色的追逐与躲避 躲避障碍物可采用传感器等方法，自动检测玩家与物体的距离，当达到测定距离时，自动实现玩家不靠近障碍物。 使用传感器来判断障碍物，即利用传感器从当前位置沿当前速度向前方一段距离作投射，传感器的末端表示按照当前的速度将要到达的位置，若在这个投射上发生了碰撞，则表示按当前速度行进将会发生碰撞，以此要求角色改变速度。 传感器的长度可以与角色的速率成正比。转向力的方向为障碍物表面的碰撞点的法矢量的方向，转向力的大小可以与传感器的末端穿进障碍物的深浅成正比。 11.4.2 游戏角色的追逐与躲避 群聚（flocking）行为是基于Craig Reynolds提出的Boids算法，由三个简单的规则组成的算法。 ?聚合（cohesion）：每个成员移向它的邻居成员的平均位置； ?对齐（alignment）：每个成员朝向它的邻居成员的平均朝向； ?分离（separation）：每个成员与邻居保持一定的距离，以免相撞。 11.4.3 游戏角色的群聚 团队中的一个成员所考虑的邻居成员的数量可以通过该成员的视角和视野来控制，只有在视角和视野范围内的成员才予以计算。 大的视角会使队形向横向铺开来，而小的视角会使队形纵向排开，形成细长的队列。 可以为不同的规则制定不同的视角和视野，这些需要在游戏的实现过程中进行调整。 11.4.3 游戏角色的群聚 一个成员的行为结果是三个规则计算出的转向力的组合。有如下几种组合方法： （1）将所有转向力加权。缺点是权值难以设定和调整，例如障碍物躲避是必须的，应该保证角色不与障碍物相撞。 （2）在（1）基础上为每个转向力增加一个优先级。 （3）为每个转向力增加一个概率和一个优先级。每一次更新只有一个转向力起作用。 这种方法由于每一次更新只计算一个转向力，减少了计算量，但降低了精度。 11.4.3 游戏角色的群聚 A*算法虽然不是当今游戏软件开发中最常用的路径搜索算法，但它能保证在任何起点与终点之间找到最佳路径。 由于路径的类型很多，寻求路径的方法应与路径的类型、寻径的需求有关，所以它不一定适合所有场合，例如，如果起点和终点之间没有障碍物，有明确的视线，就没有必要使用算法； 如果CPU功能不太强，则A*算法不是最佳选择，尤其是多角色游戏的路径选择问题，因为算法要求CPU做大量的计算，会影响游戏效果。 11.4.4 游戏角色的路径搜索 Introduction of Artificial Intelligence 第11章 人工智能在游戏设计中的应用 人工智能游戏的快速发展，为计算机游戏产业提供了新的机遇，目前人工智能技术已经成为优秀计算机游戏开发中不可缺少的部分。 本章首先介绍人工智能游戏的概念以及基本的游戏人工智能技术，然后介绍游戏角色的指导与运动、追逐与躲避、群聚、路径搜索等智能游戏角色设计的基本技术。介绍智能游戏开发方法与开发工具，最后简单介绍扫雷机智能游戏开发。 11.1 人工智能游戏 计算机游戏（Computer Game）始于1958年的游戏“两人网球” 。 人工智能游戏（AI Game）为计算机游戏业提供了新机遇，目前已经形成了数十亿美圆的产业。 人工智能技术已经是优秀电脑游戏开发中不可缺少的部分，是游戏产品畅销与否的一个决定性因素。 应用人工智能技术设计的游戏称为人工智能游戏（AI Game），或简称为智能游戏。 11.1 人工智能游戏 正如经典游戏“小精灵” 里的魔鬼、“Unreal”第一人称射击游戏（FPS）里的虚拟战友，以及其他游戏角色，看起来都是具有智慧的生命，这种游戏可以认为是有智能的。 有人将游戏中的路径搜索、碰撞检测等，也列入游戏智能的范畴。 在游戏中包括角色从简单的追逐、闪躲、移动到复杂的神经网络和遗传算法应用等，体现角色行动的“自主性”，则说明游戏具有智能性。 几种游戏的智能性的观点： 11.1 人工智能游戏 一类是在背景中，如云、鸟等。这类对象的行为在游戏中无须人工干预，变化也不多，控制的逻辑不复杂。 另一类是各种角色，如虚拟的人、兽、怪物、机器人等。这些对象的活动方式必须变化多端才行，否则游戏就不好玩，所以控制逻辑就比较复杂。 不是所有的游戏都需要人工智能。接龙和挖地雷等游戏就不需要人工智能。网上提供的两人对弈的象棋、围棋、军棋类游戏也