本文共 746 字，大约阅读时间需要 2 分钟。

有限状态机，FSM,  Finite State Machine

 

游戏中的AI，大多数都是按照规则设定好的，没有太多花哨的技术。原因有几个：

一是出于风险成本的考虑，用一个新技术，需要程序员开发相应的算法和框架，游戏设计师重新上手设计方法和摸索算法的适用范围，小团队承受不起这样的开销，大团队又怕做坏名声；

二是“高级”的AI算法并不直观，难以设计。举一个例子，怎么利用神经网络来训练一个士兵AI？我见过的一个例子是设计师用几个按键来操作士兵移动攻击，然后程序自动记录敌我双方的数据和设计师的操作，最后利用这些信息作为input构建一个行为树。这个方法的问题有三个，一是效率奇慢，因为如果数据不够，行为树就可能覆盖不了所有情况，但多少才是“够”，又没有定论；二是错误的操作也会被记录下来，当然可以开发一个功能来删除设计师的某个动作；三是行为树的结果是无法解释的，相当于一个黑箱。

 

由于上述的原因，一般的公司都会使用比较传统的有限状态机。

虽然第一次听的话可能会拗口，其实有限状态机的意思其实很简单，它包含了有限个的状态和状态间的转换条件。最直白的说法就是几个if...else...语句。为了弄明白这个概念，我们讲一个英雄的故事：

从前有一个胆小如鼠的英雄，

1. 他看到哥布林就会跑过去打它；
2. 他看到半兽人就会逃跑；
3. 他看不到哥布林也看不到半兽人就会休息；
4. 他看到哥布林也看到半兽人也会跑。

我们可以从中抽象出这样的一个有限状态机：

 

有限状态机很符合我们的认知，但它有一个致命的缺点——它随着状态和转换条件的增多而急速地变得错综复杂，以至于很难对它做出改动（想象一下，多加一个状态，则需要增加几条转换线，越多状态，需要增加的转换线越多）。

 

也由于这个原因，比较多的开发者投入了行为树的怀抱。

 

 

参考：

转载地址：http://mtygf.baihongyu.com/