您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给图普科技
导语：机器学习为我们开启了游戏开发训练的大门，而非游戏编程的大门。
同步到新浪微博
基于图像识别技术多维度解读图片和视频
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录
请填写申请人资料游戏AI 行为树 - 简书
游戏AI 行为树
目前在游戏中主流的AI框架是 Behavior Tree
先上一张网上找到的行为图
从图中可以看到一个怪物的行为被拆分成了，很多的节点，通过节点组合成树形结构。
每个叶子节点是实际正真执行的动作或条件判断，称之为Action 或Condition，从根节点到叶子节点，中间路径上的节点，是组合节点。
叶子节点：会将执行结果返回，返回类型有Success，Failed，Running，三种状态
而组合节点分类三类:
1、Sequence ：按照序执行子节点，直到其中一个子节点返回Failed，就停止执行。该节点的返回值也是Failed。如果所有子节点中没有返回Failed的，就会全部执行完，并返回Success给该父节点。该节点，也会返回Success给自己的父亲节点。
2、Selector：按序执行子节点，直到遇到子节点，返回Success，才停止执行后续的子节点。并返回Success给自己父节点，如果所有子节点都返回Failed，那当前节点也返回Failed给自己的父节点。
以上这两类组合节点会通常会比较常用，节点的访问顺序，是深度优先，当遇到符合对一个的条件时，才会终止遍历。
另外还有基于这两类的变种，比如随机Sequence，就是不按照顺序执行子节点，随机挑选。
3、Paraller:并行执行，会有一个主节点，根据主节点范围Runniing状态的情况，其他节点将会按序执行，并将结果返回 running结果，否者就直接返回主节点的执行结果Success or Failed
返回的结果：具体策略
1. Parallel Selector Node： 一False 则返回False，全True才返回True
2. Parallel Sequence Node： 一True则返回True，全False才返回False
3. Parallel Hybird Node：指定数量的Child Node 返回True或False后才决定结果。
整体架构就是将不同的Action或Condition各种组合，拼装成一颗树，并通过对应的访问策略来访问每个分支，并执行叶节点。
在gthub上有一个比较容易理解写C#版本，主要是应用于Unity3d的行为树开源框架
比较容易理解，可以直接导入unity3d工程使用。
有unity3d上还有一些其他的插件可以使用，比如Behavior Design，Node Canvas 还有腾讯开源的behaviac；
可以找到适合自己项目的框架就足矣。
要使用这种架构设计的AI框架，绝大部分的工作量，还是集中中Action 和 Condition的具体实现上，工作量会比较大，另外就是对于Action 元行为的设计，需要做到足够的抽象，而且Action的行为一定要 低耦合、高内聚。只有这样才能可能有比较高的复用性。
一般游戏中的主要Action和Conditon抽象行为
元action行为动作
CastSkill --》需要参数，skillId
搜敌--》仇恨最高
走路+射击（并行操作）
根据血量的判断条件
根据距离的判断条件
根据时间的判断条件
Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具（例如配置管理，服务发现，断路器，智能路由，微代理，控制总线）。分布式系统的协调导致了样板模式, 使用Spring Cloud开发人员可以快速地支持实现这些模式的服务和应用程序。他们将在任何分布式...
Behavior Designer 概述 第一部分是主要的设计工作的区域！在这个区域，你可以创建新的 Task（任务）和设计这些 Task（任务）的行为树。第一步要做的就是创建一个行为树（behavior tree），通过右键选择&Add Behavior Tree&可以创...
概述 本文就数种重要的Gameplay框架及插件，简述它们的原理，介绍这些Gameplay框架的适用场合，并进行对比。本文假设读者有一定的游戏开发经验、Unity开发经验。本文会写得比较随性和啰嗦。 从Gameplay这词说起 Wikipedia:Gameplay is t...
DOM DOM节点 DOM的概念 DOM是文档对象模型（Document Object Model）的简称，它的基本思想是把结构化文档（比如HTML和XML）解析成一系列的节点，再由这些节点组成一个树状结构（DOM Tree）。所有的节点和最终的树状结构，都有规范的对外接口...
第三章 Java内存模型 3.1 Java内存模型的基础 通信在共享内存的模型里，通过写-读内存中的公共状态进行隐式通信；在消息传递的并发模型里，线程之间必须通过发送消息来进行显示的通信。 同步在共享内存并发模型里，同步是显示进行的，程序员必须显示指定某个方法或者某段代码需...
文/完美的补丁 我不习惯 才九点多就熄灯； 我不习惯 那张床上空空的； 我不习惯 房间没有了“噪音”； 我不习惯 做饭前再也不用问:你吃什么? 我不习惯 若干个日子再也听不到面对面那声“妈妈”； 我不习惯 若干个日子会没有人跟我撒娇、跟我犯混； 我不习惯 身边没有了至爱、也...
清芝，多么文雅的名字。我从未想到身高只有150cm多点、一字不识的奶奶竟有一个如此充满文艺气息的名字。奶奶今年70多岁了，过的日子并不如她的名字那般美好。
我从小就十分敬重爷爷，因为作为一家之主的爷爷是家里的最主要劳动力，又总是能以理服人。我现在拥有的心性都有爷...
加群获取更多优惠卷https://jq.qq.com/?_wv=1027&k=4AjjQ6R 9.8马丁正品男士古龙洗发水 抢券下单: http://c.b1yt.com/h.Q4WbY8?cv=ag5oZCrfhMC 原价68.9券后8.9入手深海泥一洗白全身美白神器 抢...后使用快捷导航没有帐号？
　论坛入口：
　　|　　　|　　　　|　　　|　
AI设计：如何给动作游戏的敌人设计人工智能？
本帖最后由 小篱 于
14:52 编辑
2012cpb1210dkt08s.jpg (56.13 KB, 下载次数: 62)
14:47 上传
　　GameRes游资网授权发布 文 / 江岸栖
　　游戏中的AI可以简单的理解为计算机控制的智能角色，这些智能角色能够通过周遭环境或者事件的变化进行逻辑判断，从而同玩家进行产生特定的行为交互。
　　组成AI的三个基本元素: AI的基本逻辑，AI的基本能力，AI的基本属性。
　　1、AI的基本逻辑
　　a，感知(Perception)
　　感知是指AI在所处环境或世界中，侦测周遭环境或者事件变化的能力，这种能力是由游戏设计者决定的并且赋予的。比如潜行游戏中，敌人的视野只有他前面90度角的扇形范围，如果游戏设定这个AI只具有视野这唯一的感知能力，也就是说玩家只有进入敌人视野才会被发现，那么，玩家不管是在AI的周围大声的开枪，还是用枪去顶AI的菊花，甚至开枪打伤它，AI都不会感知玩家就近在咫尺。当然作为游戏设计者需要全面的考虑游戏中AI的应该侦测哪些，赋予AI完美生动的感知能力。
　　b，行动(Action)
　　行动是指AI自己决定去做一系列行为， 游戏设计者通过一系列的规则和逻辑次序的设定来控制这些AI的行动。例如，WOW中有个NPC，白天时守着一个熄灭的火堆面前，来回的巡逻，而夜晚降临时则会去点燃火堆，静静的坐着不动。如果游戏设计者想制作一个热闹的城市，可以制作很多不同的AI角色，有的沿着街道从一个地方跑到另外一个地方，有的小贩站在原地不动吆喝，甚至可以让两个NPC在走路的过程中相遇然后聊上一会天。我想一个有着丰富的AI角色的世界，一定会让玩家很容易的融入这个游戏世界。
　　c，反应(Reaction)
　　反应是指AI在感知到玩家的行为所引发的刺激信息时所触发的行为。比如，Left 4 dead(生存之旅)里面的Hunter，在探测到玩家的位置之后hunter会伺机从远距离扑到玩家，如果玩家朝hunter开枪的话，hunter会尝试在远处使用天花板跳、三级跳等技能躲避玩家的射击，如果玩家并不射击hunter，他则会直接从远距离扑过来。这种反应又可以称之为怪物攻击策略，有趣而生动的AI反应会让玩家觉得挑战的乐趣。
　　大多数游戏AI主要能做到上面三点，就算是能满足游戏设计者的基本需要了。
　　d，学习(Learning)
　　比较复杂的游戏AI会记录玩家的行为变化，比如策略游戏的AI可能会根据玩家的策略变化，不停的分析玩家的行为，从而做出更为复杂的行为，是同玩家结盟，还是联合其他国家来攻击玩家；例如很多国外RPG游戏中的NPC会根据玩家在游戏中的善恶变化，而对玩家表现完全不同的态度；例如射击游戏中玩家开的是坦克，AI用的是步枪，当两者遭遇时，AI一开始还拿着步枪攻击了一阵，发现步枪完全没有用，于是就去寻找反坦克导弹来摧毁坦克。
　　高级AI的学习，需要随时记录玩家的行为变化，并把这些信息放到一个专门的分析系统中逐一分析，从而得到最有利于自己的反应。会学习的AI相当的聪明，但是更聪明的游戏设计者则需要设计一个完善的分析系统，这样的系统通常会用来控制一个游戏的难度，当玩家尝试很多次失败之后，我们的高级AI则会分析得到玩家的优缺点，比如玩家的射击能力实在太差了，于是便略微的降低自己的移动反应速度，让玩家更容易击中自己。
　　搞清楚了基本逻辑，我们就可以构建逻辑流程，从而设计出不一样的逻辑类型。例如，WOW里面，石像鬼和亡灵的HP和攻击力完全一样，但是在AI逻辑上仅仅只有两处不同。
　　石像鬼：原地石化-&侦查-&进攻-&逃跑-&死
　　亡灵：四处巡逻-&侦查-&进攻-&逃跑-&死
　　2、AI的基本能力
　　作为游戏AI设计者首先要分析并且归纳出自己这款游戏AI的基本能力，定义好这些基本能帮助游戏设计者很方便的制作更多更有趣的AI。
　　大多数游戏中AI能力大致上可以有以下几种：
　　检测潜在威胁 确认对方身份(敌人还是朋友)
　　确认威胁级别(专注于威胁最大的目标)
　　与敌对者交战(战斗技能)
　　特殊行为(根据游戏需要特意设计的AI行为)
　　而我们可以在这些基本能力作为可调整的嵌入参数来获得更多类型的AI， 例如，10级的石像鬼和5级的精英石像鬼的HP和攻击力完全一样，但是在AI能力上却有两处不同。
　　石像鬼：侦查-&进攻-&逃跑-&死
　　精英石像鬼：侦查-&横扫技能-&进攻-&逃跑-&死
　　也就是说，我们可以保证基本逻辑流程的一致，也就是写一套基本的AI逻辑：侦查-&进攻-&逃跑-&死，在其中嵌入多样化的能力，从而达到AI类型的多样化。
　　3、AI的基本属性
　　设计好AI的基本属性极其重要
　　大多数游戏中AI基本属性大致可以分为：
　　身份(阵营)
　　战斗参数(生命值，攻击力，防御力)
　　交互范围(追击距离，仇恨侦测距离，攻击交互距离)
　　侵略性(攻击技能使用频率)
　　仇恨(主要攻击目标查找)
　　游戏设计者可以通过调整基本属性设计出“个性”不一的AI，例如，WOW里面，我想要塑造一个凶猛的兽兵，那最先想到的属性可能是：血厚，攻击力高，防御力低，速度快。 而我想要塑造一个坚毅的人兵，属性则可能是：血中等，攻击力中等，防御力高，速度缓慢。 两者不同点仅仅是外形、动画、HP、攻击力。但两者的AI逻辑却是完全一样的，只是简单的侦查-&进攻-&逃跑-&死亡。
　　如何利用以上的基本元素设计游戏中的AI？
　　第一步，定义游戏中AI的基本挑战。单个的AI挑战往往需要结合关卡设计的挑战组成一个基本的挑战模式(Challenge Pattern )。在游戏设计者拿到怪物详细概念设计之前，首先必须清楚本款游戏中最重要的游戏挑战在哪里(Where is the main GamePlay in my game？)，也就是玩家玩游戏的乐趣是什么，以及我们所设计的游戏AI会出现在游戏的哪个部分，扮演着什么样的角色。例如，超级玛丽中，玩家需要利用跳跃来躲避怪物的直接接触(一碰即死)，或者准确的跳到怪物头上从而消灭怪物，游戏中最简单的怪物AI表现为在两个点之间保持匀速的来回巡逻，这个就可以成为一个基本的挑战模式(Challenge Pattern)。越往后的关卡中的怪物AI则略微复杂，比如有的怪物会使用技能主动攻击玩家，则需要玩家即要躲避怪物的直接接触，又要躲避怪物不断发出的攻击子弹，这个就又是难度更高的挑战模式了。
　　第二步，设计挑战中的AI基本能力和基本属性。同样以超级玛丽为例，怪物的基本能力、基本属性和挑战模式如下表。从标上我们可以看出通过多样化的能力和属性的组合，我们可以得到更多样化的挑战。
1.jpg (94.83 KB, 下载次数: 60)
14:47 上传
　　第三步，设计AI的逻辑图。这一步往往是由游戏设计师和游戏程序员共同商讨来完成，如果游戏设计师能提供一个结构清晰的游戏AI运行流程，那将帮助程序员能够更好的理解游戏中怪物的行为，而且有的时候可能会需要设计者自己动手去制作AI(比如我。。。) 如下图是一个简单的RPG游戏中怪物的AI运行流程，也可以叫AI逻辑转换结构图。
2.jpg (80.76 KB, 下载次数: 77)
14:47 上传
　　AI的状态
　　也可以理解为程序员经常说的状态机。AI会在一个状态里面完成一个指定的行为，当指定的条件达成时，AI会从一个状态转到另外一个状态。如上图绿色方框，出生、待命、战斗判定、技能、追击....
　　AI的逻辑 AI的逻辑也就是AI状态之间来回转换的条件。如上图灰色菱形，出生状态是否完成，是否巡逻，玩家是否在仇恨范围内...
　　第四步，测试游戏中的AI。没人能保证自己的设计从一开始就是完美的，作为游戏设计者更要常常抱着玩家的心态去不断的测试体验自己的设计。
关注我们官方微信公众号
下载我们官方APP-游戏行
关注手游动态微信公众号
沙发~~沙发~~~
楼主分享下高级ai，比如场景识别，群体ai，n条寻路路线的选择。
楼主分享下高级ai，比如场景识别，群体ai，n条寻路路线的选择。
谈谈游戏中，战斗力计算方法的那些事儿这群女人除了泡男人还养起蛙儿子，佛系《旅郭炜炜升任金山集团高级副总裁、西山居CEO从《Best Fiends》浅析消除类游戏针对欧美市场的三大出海巨头智明星通，IGG搜索引擎也能做成解谜游戏？《前程似锦》开
微信扫一扫关注我们→607被浏览26,915分享邀请回答26025 条评论分享收藏感谢收起51 条评论分享收藏感谢收起当前位置：
> 如何通过游戏AI设计与实施加深游戏体验
如何通过游戏AI设计与实施加深游戏体验
作者：未知
　　人工智能是近来备受关注的一个话题。其实人工智能在游戏中早有引用，也就是被成为游戏AI的东西。AI的加入可以使游戏具有多的变化和可玩性，给玩家带来更好的游戏体验。下面我们就来了解一下如何通过游戏AI的设计和实施达到这样的效果。
　　在过去的几十年中，游戏行业取得了巨大发展。 从《Pong》和《Pac-Man》等让游戏玩家短暂逃离现实的简单游戏发展为《魔兽世界》和《使命召唤》等让游戏玩家真正喜爱的复杂游戏。娱乐软件协会 (ESA) 曾指出，如今的游戏玩家平均有 13 年的游戏经验，已经习惯于看到每款新游戏变得越来越复杂、吸引人且智能。
　　如今，游戏开发人员的挑战在于如何不断突破极限，开发出越来越引人注目的游戏。 计算机控制的人工智能 (AI) 已经发生了多种形式的演变，以满足测试要求。 然而，为游戏玩家设计符合其动作并促进玩家数量增长的自适应对手并非易事。
　　第一部分： 设计和实施
　　对于游戏行业而言，人工智能是什么?
　　从最基本的层面而言，&人工智能&包括模仿其他玩家或玩家所代表实体(即可以响应或付诸实践的所有游戏元素&&从玩家、飞弹到健康皮卡)的行为。关键概念是模仿行为。也就是说，游戏行业的人工智能更加人工化，而智能程度较低。系统既可以是基于规则的简单系统，也可以是旨在挑战玩家作为对立军队指挥官的复杂系统。
　　游戏行业的人工智能与传统的人工智能观点有何不同
　　对人工智能的传统研究旨在创建真正的智能&&尽管是通过人工手段。有些项目，如麻省理工学院 (MIT) 的Kismet项目，正在尝试创建一种能够进行学习、社交互动并表现情感的人工智能。 在本文撰写之时，麻省理工学院正在创建一种有幼儿教师和可喜成果的人工智能。
　　对于如今的游戏而言，真正的人工智能已经超出了一款娱乐软件的要求。游戏人工智能不需要具备感受力或自我感知能力(事实上没有最好);它不需要了解除游戏之外的任何信息。游戏人工智能的真正目标是模仿智能行为，为玩家提供一种可信的挑战&&即玩家可以克服的挑战。
　　游戏人工智能的目标
　　人工智能可以在游戏中扮演多种角色。它可以是一套用于管理游戏世界中实体行为的一般规则。您也可以考虑实体遵循一类人工智能的预制脚本事件。例如在游戏 F.E.A.R 中， 用于恐吓玩家和预示未来事件的令人毛骨悚然的小女孩就是一个预制脚本事件。提到人工智能和游戏时，大多数人都会想到多人游戏中由电脑控制的玩家。不过，所有这些都是人工智能能够实现的不同角色。
F.E.A.R.(Vivendi Universal)在一类人工智能中使用脚本事件
　　游戏人工智能的基本要素
　　根据人工智能要实现的角色的性质，系统需求可能非常少。系统越复杂，人工智能的要求就越多。基本需求无非是运行 AI 所需的处理时间。更复杂的系统需要一些感知人工智能环境的手段，玩家行为记录和一些评估先前决策成功度的手段。
　　人工智能背后的核心概念是决策。为了执行这些选择，智能系统需要能够使用人工智能系统影响实体。您可以通过&人工智能推送&或&实体推送&战略管理这一执行。
　　人工智能推送系统通常将人工智能系统隔离为游戏架构的独立元素。此类战略通常采取独立线程或线程的形式，线程中的人工智能花时间计算给出游戏选项的最佳选择。当人工智能制定决策时，这一决策将随后传播至涉及的实体。这一方法在实时战略游戏中最有效，因为在这种游戏中，人工智能关注大局。
　　实体推送系统最适合包含简单实体的游戏。在这些游戏中，实体会在其&思考&或自我更新时调用人工智能系统。这种方法非常适合于包含大量不需要经常思考的实体的系统，如射手系统。这一系统还可以从多线程技术中受益，但需要一些额外的计划(详情请见Orion Granatir 的多线程人工智能上的文章)。
　　基本感知
　　为了使人工智能作出有意义的决策，它需要感知周围环境的某种方式。在较简单的系统中，这种感知可能只是对玩家实体的位置进行简单的检查。随着系统的要求越来越苛刻，实体需要找出游戏世界的主要特点，如可行的穿行路径、提供掩护的地形和冲突地区。
　　设计人员和开发人员面临的挑战在于找出一种方法，以确定对智能系统至关重要的主要特点。例如，掩护可以由关卡设计师预先确定，或可以在加载或编译地图时进行预先计算。有些元素可以动态评估，如冲突地图和紧迫威胁。
　　基于规则的系统
　　智能系统采用的最基本形式是基于规则的系统。这一系统延伸了&人工智能&这一术语。一组预设行为用于确定游戏实体的行为。对于各种行为，总体结果可以是一个虽然涉及的实际智能很少但并不明显的行为系统。
　　在基于规则的系统方面，Black Jack 庄家就是一个很好的例子(无论是视频 Black Jack 还是真正的 Black Jack)。庄家遵循一个简单规则：当牌点数为 17 或不到 17 时必须要牌。一般玩家的看法是庄家有竞争力。玩家会设想一个比其当前敌手更有能力的对手(除非赌场经营者公布庄家遵守的规则)。
　　Pac-Man 是这一系统的典型应用。 四个鬼纠缠着玩家。每个鬼都遵循一个简单的规则集。一个鬼一直左转，另一个一直右转，一个以随机方向转弯，最后一个转向玩家。每个鬼的移动方向很容易弄清楚，玩家能够轻松避开他们。但作为一个集体，这些鬼的移动方式看起来就复杂的多，相互协调配合共同寻找玩家。事实上，检查玩家位置的只有最后一个鬼。
控制Pac-Man 鬼的规则集的直观图，其中的箭头代表将作出的&决策&。
　　正如本例所示，规则不需要硬编码： 规则可以基于感知到的状态(如最后一只鬼)或实体的可编辑参数。 进攻、勇气、视线范围和思考速度等变量均可以产生更多样化的实体行为，即使是在基于规则的系统中。 基于规则的系统是最简单的人工智能结构。更复杂的智能系统基于一系列条件规则构建并由这些规则管理。在战术游戏中，规则控制着要使用的策略。在策略游戏中，规则控制着建造顺序和应对冲突的方式。基于规则的系统是人工智能的基础。
　　有限状态机作为人工智能
　　有限状态机 (FMS) 是一种概念化和实施在整个生命周期中拥有不同状态的实体的方式。&状态&可以代表实体所处的物理状态，或者也可以代表实体展示出的情感状态。在本例中，情感状态并不是真正人工智能的情感状态，而是融入游戏环境的预定行为模型。
　　下面是一个人工智能系统的常见状态示例，针对一个包含隐性元素的游戏：
典型 FSM 中的状态布局，其中的箭头表示可能的状态变化
　　闲置。 在这种状态下，实体会被动地站着或沿固定路线走动。感知水平低。不常检查游戏玩家的声音。只有这一实体受到攻击或&看到&玩家直接在其前面时，它的状态才会更改为较高的认知水平。
　　感知。 这一实体主动寻找入侵者。它会经常检查游戏玩家的声音，比闲置实体看得更远更宽泛。如果这一实体注意到碍事的某物(在其检查范围之内)，如打开的门、无意识的尸体和用过的弹壳等，它将变为好奇状态。
　　好奇。 这一实体意识到发生了不寻常的事情。为了证实这一行为，该实体将放弃其正常岗位或路线，移动到感兴趣的区域，如前面提到的打开的门或尸体。 如果玩家被发现，实体将变为警戒状态。
　　警戒。 在这种状态下，实体已经注意到玩家并将开展追捕玩家的行动：移入攻击范围、提醒其他警卫、发出警报并寻找掩护。当实体在敌人范围内时，它将切换到攻击状态。
　　攻击。 在这种状态下，敌人已经参与到与玩家的战斗中来。 实体会在可能时攻击玩家，并在不同的攻击回合之间寻找掩护(根据攻击缓和时间或装弹时间)。只有在消灭敌人后(恢复正常)、敌人移动到射程之外(回到警戒阶段)或实体死亡(进入死亡状态)时，实体才会离开这个状态。 如果实体的生命值很低，它可以切换为逃跑状态，这取决于特定实体的胆量。
　　逃跑。 在这种状况下，实体会试图逃离战斗。根据游戏的不同，可能会有寻找生命值或离开游戏区域的次级目标。 当实体找到生命值后，它可能会返回到警戒状态并恢复战斗力。 &离开&的实体只是删除了而已。
　　死亡。 在有些游戏中，死亡状态可能不是完全闲置。死亡或濒死的实体可能会&大声呼叫&，从而提醒附近的实体，或进入神志不清的状态，医师可使其复活(并返回到警戒状态)。
　　在实体系统中实施 FMS 至少有两种简单方法。第一种是让每种状态成为一种可以检查的变量(通常通过大量的开关语句)。第二种方法是使用函数指针(C 语言)或虚拟函数(C++ 和其他面向对象的语言)。
　　自适应人工智能
　　前面的章节讨论了如何设计融入游戏预定义事件的智能系统。 对于大多数游戏而言，只要设计缜密且对智能实体的目标有清晰的认识，这就足够了。如果游戏需要更多的变化并为玩家提供更好、更有活力的对手，人工智能可能需要具备增长和独自适应的能力。
　　自适应人工智能通常用于格斗游戏和策略游戏，这些游戏具有深层次的机制和无数的游戏选项。若要为玩家提供持续的挑战且避免玩家最终找出打败电脑的最佳策略，人工智能需要具备学习和适应的能力。
　　有效预测对手下一步行动的能力对于自适应系统至关重要。可以使用不同的方法，如过去模式识别(在未来的文章中介绍)或随机猜测，以确定要采取的下一步行动。
　　适应的一个基本方法是记录过去的决策并评估成功程度。人工智能系统会记录一个游戏玩家在过去所做的选择。过去的决策必须以某种方式进行评估。 (如在格斗游戏中，获得的优势或损失的生命值或时间优势可以作为成功的衡量指标。) 可以通过收集有关这种情况的更多信息来为决策提供一些背景，如相对生命值、以前的行为和关卡定位(当玩家走投无路时会采用不同的游戏方式)。
　　可以通过评估这些历史信息来确定以前行为的成功程度以及是否需要改变战术。在构建过去行为列表之前，可以使用一般战术或随机行为来引导实体的行为。这一系统可以与基于规则的系统和不同的状态相结合。
　　在战术游戏中，过去的历史可以决定用于对付玩家团队的最佳战术，如防守、进攻、狂暴或一些平衡的游戏方法。在策略游戏中，可以基于玩家发现一个部队中最佳的分队组合。在由人工智能控制玩家支持角色的游戏中，通过了解玩家的行为方式，自适应人工智能可以更好地补充玩家的自然风格。
　　人工智能是一个复杂的研究。根据游戏需求的不同，游戏行业的人工智能会采用不同的形式，从计算机控制器实体的简单规则集到更先进的自适应系统。在游戏行业中应用人工智能概念对于提高电子娱乐产品中虚拟人物的可信度必不可少，但它并不是一个不可能的挑战。
责任编辑：黑色幽默
微信扫一扫左侧的二维码，关注“07073游戏”吧；
这里每天都有好玩的，好看的；
现在绑定账号，就能参加神秘活动，专属礼包，拿到手软；
更多乐趣，回复微信账号，等你发现！
&8090游戏&运营总监
8090新热血江湖是一款角色扮演类网页游戏,…
&XY&XY游戏事业部
XY游戏《蓝月传奇》是一款大型多人APRG游戏…}