从0开始搭建一个战棋游戏的AI(初级教程)

战棋类游戏一直以高策略性著称,其中不乏经典之作如“三国志英杰传”、“三国曹操传”、“炎龙骑士团”、“金庸群侠传”等等。

今天,我们就如何一步步从0开始实现一个简单的战棋类游戏AI,概述一下此类游戏AI的设计思路和算法。(什么?AI是啥?——人工智能,通俗来说就是电脑的自动策略。)

三国志英杰传

战棋类游戏的关卡设计思想

经典战棋类游戏一般来说AI都比较简单,丰富高可玩性的关卡和极限挑战难度,还是要靠关卡设计来做:比如什么时候敌方出援军、敌方某个据点什么时候出兵之类的驱动整个战局变化的。

这个由于是关卡设计者(一般是游戏策划)考虑的范畴,我们今天不讨论这个。光讨论一个NPC,每回合在正常情况下应该如何决策。

模型分解

我们分析几款经典的战棋类游戏

1、曹操传
分敌我回合,每回合自由选择角色先后行动顺序。
每回合一个角色可以做两件事——(移动+行为)
其中行为又可以细分为攻击、技能、休息、使用物品(可以给自己或身边的人使用)

曹操传

2、炎龙骑士团
也分敌我回合,每回合玩家自由选择角色先后行动顺序。
还是一样,决策=移动+行为
行为细分为攻击、休息、魔法、物品(可以给自己或身边的人使用)
和曹操传不一样的地方是移动后不可以使用魔法(必须本回合停留原地才可以使用魔法)

炎龙骑士团

3、金庸群侠传
无敌我回合,每回合按照角色的身法决定先后行动顺序。
决策=移动+行为
行为细分为攻击、用毒、解毒、医疗、物品、等待、休息……
其中等待可以将行动延后

金庸群侠传

……

不难发现,大部分战棋类游戏都遵循这个规则:单个回合内角色决策 = 移动 + 行动。

AI框架设计思路

我们本文并不想针对某个特定的游戏模式来做设计,而是想教大家一个简单的通用AI如何搭建——
因为大家构思和想做的游戏系统设定各异,(比如上面几款游戏,就分别有自己的各项特殊规则)

在此种情况下,我们其实可以搭建一个通用的计算模型,来“海纳百川”,实现一个与具体游戏业务逻辑无关的AI框架。

我们不妨先把技术的东东放一边,以一个玩家的角度来重现,每一个回合我们人类是如何思考的呢?

“我走到这里,下回合对方是不是可以走过来打到我?”
“我这一击刚好可以把对方秒杀,这样对方就不能反击我了!”
“我移动速度比对方快,我先跑回去补给完,然后再回来打”
“调整一下阵型!用防御力高的人在这个关卡上卡位,弓箭手在后方射。”

总之,决策基准就是如何行动对自己是最有利的。

数学模型

我们可以给每一个行为决策,算出一个“得分”来,最后负分是有害、正分是有利。最终AI的结果就是选择得分最高的行为。

初级AI的本质是一个贪心算法

贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。

通俗来说,贪心算法就是只看眼前,不看之后的情况。

所以如果我们只看眼前一步,那么问题就变得很简单:我如何下这一步棋获得当前的最高收益?

搭建框架

这样我们只需要将所有的行为结果都有一个评估的分数,然后遍历所有的行为可能,取得分最高的评估结果来决策即可。

1、分数评估体系搭建

如何来做这个分数评估体系?——不同的游戏可以有各自的设定:举个例子,比如如果某次行动击中3个敌人,每个人评估扣血100,那么总共算得300分。比如某次给队友加血,预估恢复技能能加150血,就算得150分……

所以某次行动的得分应该是本次行动所有影响的结果分数之和。(也可以根据具体需要,调整一些加权系数,后文说明)对自己有利则加分,对自己有害则减分(同理,对敌人有利减分,有害加分)

2、如何遍历?

很简单,战棋类游戏无非移动+行动,把所有可能走的点全部走一遍,走到了那儿后把所有可能的行动全部做一遍。如果有些行动设计到施展位置,把所有的施展位置全部算一遍即可。

这里如果效率太低,可以尽情对搜索算法剪枝,此处不赘述。

3、扩展和调优

有了以上两步,AI应该就可以跑起来了。我们接下来可以根据具体咱们游戏的设定来调优,让AI更加聪明。

拿刚才的例子,比如击中的3个敌人里有一个可以导致死亡(HP=0),那么额外再加200分(得分就是500了)。比如加血的队友血越少得分越高(优先给濒死的队友加血),那么当AI可以选择两个队友加血的时候,自然就会选择那个更加濒死的角色。

这里的设计就跟具体每个游戏相关,甚至更加复杂的话,还可以考虑地形、站位、AOE覆盖范围、加BUFF/DEBUFF、使用道具等各种情况。

这里还可以赋予不同的角色不同的使命,也只需要在最终的得分上体现即可(比如一个偏输出的攻击者,比一个偏防御的防御者在“减少敌方HP”的得分上有额外加权)

总之基于这个分数,可以做出一切有想象力的AI来,此处仁者见仁。

结语

我们基于这个思路开发了《金庸群侠传X》和《江湖X》以及即将发布的《江湖X:汉家江湖》,基本AI是可用的(虽然由于游戏属性有点复杂,AI也经常被玩家吐槽)。

很多战斗变成了玩家的拦路虎
也会有一些由于AI给力被津津乐道的情况

最后祝大家开发愉快,有问题可以与我交流。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容