第11章-人工智能在游戲設計中的應用(導論)課件

1第11章人工智能在游戲設計中的應用人工智能游戲的快速發(fā)展，為計算機游戲產(chǎn)業(yè)提供了新的機遇，目前人工智能技術已經(jīng)成為優(yōu)秀計算機游戲開發(fā)中不可缺少的部分。本章首先介紹人工智能游戲的概念以及基本的游戲人工智能技術，然后介紹游戲角色的指導與運動、追逐與躲避、群聚、路徑搜索等智能游戲角色設計的基本技術。介紹智能游戲開發(fā)方法與開發(fā)工具，最后簡單介紹掃雷機智能游戲開發(fā)。211.1人工智能游戲計算機游戲（ComputerGame）始于1958年的游戲“兩人網(wǎng)球”。人工智能游戲（AIGame）為計算機游戲業(yè)提供了新機遇，目前已經(jīng)形成了數(shù)十億美圓的產(chǎn)業(yè)。人工智能技術已經(jīng)是優(yōu)秀電腦游戲開發(fā)中不可缺少的部分，是游戲產(chǎn)品暢銷與否的一個決定性因素。應用人工智能技術設計的游戲稱為人工智能游戲（AIGame），或簡稱為智能游戲。311.1人工智能游戲正如經(jīng)典游戲“小精靈”里的魔鬼、“Unreal”第一人稱射擊游戲（FPS）里的虛擬戰(zhàn)友，以及其他游戲角色，看起來都是具有智慧的生命，這種游戲可以認為是有智能的。有人將游戲中的路徑搜索、碰撞檢測等，也列入游戲智能的范疇。在游戲中包括角色從簡單的追逐、閃躲、移動到復雜的神經(jīng)網(wǎng)絡和遺傳算法應用等，體現(xiàn)角色行動的“自主性”，則說明游戲具有智能性。幾種游戲的智能性的觀點：411.1人工智能游戲一類是在背景中，如云、鳥等。這類對象的行為在游戲中無須人工干預，變化也不多，控制的邏輯不復雜。另一類是各種角色，如虛擬的人、獸、怪物、機器人等。這些對象的活動方式必須變化多端才行，否則游戲就不好玩，所以控制邏輯就比較復雜。不是所有的游戲都需要人工智能。接龍和挖地雷等游戲就不需要人工智能。網(wǎng)上提供的兩人對弈的象棋、圍棋、軍棋類游戲也不需要人工智能。但一旦要求機器與人對弈，那就需要很高的智能了。游戲中的活動對象分兩類：511.2游戲人工智能游戲中的人工智能簡稱為游戲人工智能（GameAI）游戲人工智能算法不一定要滿足通用性，只要能夠使角色的行為在某些場合內(nèi)合理就行了。611.2.1游戲人工智能的分類定性技術是游戲AI的基礎。用這些技術設計的角色行為是特定的、可預測的。這種技術實現(xiàn)容易，理解方便，也便于游戲軟件的調(diào)試和測試。在設計游戲時，游戲開發(fā)者必須考慮所有的可預測行為，而且無法幫助非玩家角色的學習或演化。在這種游戲中，玩家只要重復玩幾次游戲，便可知道NPC的定性行為，這樣，玩家就會失去游戲的興趣，從而影響游戲軟件的“生命”。游戲人工智能分為定性和非定性兩類。7非定性技術是定性技術的一種提高。用這些技術設計的角色行為具有某種程序的不確定性和不可預測性。在這種游戲中，NPC能夠?qū)W習到玩家的作戰(zhàn)行為，并推出新行為，甚至引發(fā)突現(xiàn)行為，也就是沒有明確指示而出現(xiàn)的行為。由于非定性的不可預測性，會給游戲軟件的調(diào)試和測試帶來一定的難度，但也增加玩家對游戲的興趣，延長游戲軟件的“生命”。游戲人工智能分為定性和非定性兩類。11.2.1游戲人工智能的分類8未來的游戲AI越來越注重非定性技術的研究與應用。非玩家角色的行為從玩家那里學習，使玩家難以預測游戲行為，使游戲更具挑戰(zhàn)性。幾個主流游戲如Creatures，Black&White，Battlecruiser3000AD，DirtTrackRacing，F(xiàn)ieldsofBattle，HeavyGear等，都采用了非定性技術，并具有一定的學習功能。游戲人工智能分為定性和非定性兩類。11.2.1游戲人工智能的分類9使用定性技術，解決軟件的一部分調(diào)試和測試問題；使用非定性技術，增強軟件的智能性，賦予軟件更強的生命力和挑戰(zhàn)性。在使用非定性技術時，恰當?shù)倪\用定性技術，對軟件開發(fā)的周期、軟件質(zhì)量等環(huán)節(jié)都是非常有益的。目前，在人工智能技術中，采用神經(jīng)網(wǎng)絡、貝葉斯技術、遺傳算法、有限狀態(tài)機等用來實現(xiàn)游戲中的非定性行為。成功的游戲軟件采用定性和非定性技術相結(jié)合的方法。11.2.1游戲人工智能的分類10搜索技術在游戲中應用非常廣泛，特別是用于路徑規(guī)劃。在追捕游戲中，只要追逐角色與任一非追逐角色相鄰，所對應的狀態(tài)就是目標狀態(tài)。對于簡單的情況，廣泛采用寬度優(yōu)先和深度優(yōu)先等非啟發(fā)式搜索算法。但這需要指數(shù)級內(nèi)存來存儲游戲狀態(tài)的實例。在游戲設計中廣泛應用A*算法，例如在追捕游戲中以兩點間歐氏距離為啟發(fā)函數(shù)。搜索是游戲設計中重要的研究內(nèi)容，例如，需要研究對抗搜索等方法。搜索技術11.2.2基本的游戲人工智能技術11這種技術廣泛應用于智能游戲設計。游戲設計中為角色尋找最優(yōu)路徑。采用遺傳算法設計游戲時，可以定義一個考慮移動距離、地形坡度、地表屬性等要素的適應度函數(shù)，從而達到較好的平衡，而不是僅僅找到距離最短的路徑。如果道路泥濘則該道路總的適應度就小，選擇這條路的可能性就小。如果這條路短使適應度增加，選擇這條路的可能性變大。對地形坡度的處理也是類似的。遺傳算法11.2.2基本的游戲人工智能技術12在游戲設計中廣泛應用模糊邏輯方法。例如用模糊邏輯控制隊友，或者其他非玩家角色，能夠?qū)崿F(xiàn)平滑運動，看上去更自然。在戰(zhàn)爭游戲中，計算機軍隊可以根據(jù)敵軍的距離以及規(guī)模等用模糊邏輯評估玩家對計算機軍隊的威脅。距離用很近、較近、較遠和很遠等表示；規(guī)模用零星、少量、中等、大量等表示；威脅程度分為無、小、中、大等。根據(jù)玩家或者非玩家角色的體力、武器熟練度、被擊中次數(shù)、盔甲等級等因素，將玩家或者非玩家的戰(zhàn)斗能力分為弱、較弱、一般、較強、很強等。模糊邏輯11.2.2基本的游戲人工智能技術1311.2.2基本的游戲人工智能技術神經(jīng)網(wǎng)絡是基于生物大腦和神經(jīng)系統(tǒng)中的神經(jīng)連接結(jié)構(gòu)的一系列機器學習算法的總和。在具體使用中，通過反復調(diào)節(jié)神經(jīng)網(wǎng)絡中互連結(jié)點之間的參數(shù)值（權重）來獲得針對不同學習任務的最優(yōu)和近似最優(yōu)反饋值。本章最后將介紹一個用神經(jīng)網(wǎng)絡控制掃雷機的實例。神經(jīng)網(wǎng)絡1411.2.2基本的游戲人工智能技術在游戲設計中，用一階謂詞邏輯描述變化世界的方法，稱為情景演算（situationcalculus）。用一階謂詞邏輯來計算給定情況下智能主體的應有動作，用自動推理來決定達到最優(yōu)狀態(tài)所需采取的動作序列。正是由于需要智能角色去思考變化的世界，而情景演算正好適合描述變化的事物，因此得到較為廣泛的應用。但它不適用于對性能要求很高的實時游戲中，而且用邏輯語言來描述復雜游戲是比較困難的。一階謂詞邏輯1511.2.2基本的游戲人工智能技術智能游戲的知識庫在表達上不像專家系統(tǒng)的知識庫那樣正式，但它們的效果是一致的，也就是模擬專業(yè)玩家的行為。游戲開發(fā)人員編寫知識庫控制角色的行為。但隨著游戲的日益復雜化，專家系統(tǒng)越來越難以建立?，F(xiàn)在有少數(shù)游戲?qū)＜蚁到y(tǒng)中引入機器學習。機器學習將在未來智能游戲開發(fā)中得到越來越廣泛的應用。專家系統(tǒng)16通過多個彼此競爭和協(xié)作的智能主體描述角色之間的交互。游戲中存在的眾多角色彼此既有競爭也有合作，因此可以用多智能體來自然地產(chǎn)生智能行為。多智能體

基于范例的推理11.2.2基本的游戲人工智能技術這種技術分析數(shù)據(jù)庫中存放的（歷史）輸入數(shù)據(jù)和相應的最優(yōu)輸出結(jié)果，然后通過對比現(xiàn)有輸入數(shù)據(jù)和歷史數(shù)據(jù)來推知輸出結(jié)果。這種技術模擬了人們在處理新的情況時參考以前相似經(jīng)歷的做法。17人工生命（artificiallife）11.2.2基本的游戲人工智能技術由簡單的個體行為組合成復雜模式的研究，稱為人工生命。這是多智能體系統(tǒng)中的一種，著重研究如何為虛擬環(huán)境中的智能主體賦予某些生物體的共性。游戲TheSims和SimCity的成功證明了人工生命技術的有效性和娛樂價值。例如用人工生命設計群聚，控制對象的智能化運動，協(xié)調(diào)多個智能主體的動作，使它們在整體上看起來像逼真的動物群。18這是一種簡單的基于規(guī)則的系統(tǒng)，包含了有限個“狀態(tài)”和狀態(tài)之間的“轉(zhuǎn)移”，彼此連成一個有向圖。有限狀態(tài)機每一時刻都只處于某一狀態(tài)。例如追捕游戲中使用有限狀態(tài)機。有限狀態(tài)機是游戲AI中最為流行和文獻眾多的一種技術。優(yōu)點是游戲中的非玩家角色?？梢栽O計為含有單個狀態(tài)變量，而變量值可以表達為有限狀態(tài)機當前節(jié)點的形式。節(jié)點的輸入和輸出則驅(qū)動角色在那個狀態(tài)下的行為。缺點是有限狀態(tài)機的不足是當狀態(tài)數(shù)目和狀態(tài)轉(zhuǎn)移數(shù)目增加時復雜度大大增加。有限狀態(tài)機（FiniteStateMachine,FSM）11.2.2基本的游戲人工智能技術19決策樹表達一系列產(chǎn)生式規(guī)則if...then形式的條件判斷。許多諸如國際象棋和西洋雙陸棋等棋類游戲中成功采用了游戲樹和樹的搜索方法。決策樹很容易轉(zhuǎn)化為一組產(chǎn)生式規(guī)則。它在計算機游戲中經(jīng)常被用來表達控制器。決策樹的編程容易實現(xiàn)。非程序人員可以通過圖象用戶界面方便地建立與維護決策樹。如果每個葉節(jié)點所對應的不是單一的行動選擇，而是一個所有可能行動的概率分布函數(shù)，那么，就成為隨機決策樹，可用于表達隨機化控制器。決策樹（DecisionTree）11.2.2基本的游戲人工智能技術20置信網(wǎng)絡采用了概率理論來解決現(xiàn)實世界中的不確定性和不完全知識等問題，是描述不同現(xiàn)象之間內(nèi)在因果關系的工具。置信網(wǎng)絡可以用于推導現(xiàn)實世界的狀態(tài)和預測各種動作的可能結(jié)果。置信網(wǎng)絡技術特別適用于解決智能游戲中涉及的許多子問題。置信網(wǎng)絡11.2.2基本的游戲人工智能技術2111.3游戲中的角色與分類（1）根據(jù)運動方向與朝向的相關性可分為靠轉(zhuǎn)向力改變的角色和自由運動的角色兩種類型?？哭D(zhuǎn)向力改變運動方向的角色。例如汽車、飛機之類的物體，他們的速度矢量的方向必須與其朝向相同或完全相反，速度方向的改變只能靠施加在頭部或尾部的轉(zhuǎn)向力（SteeringForce）。特別地，有的角色要求當速度大小不為0時，轉(zhuǎn)向力的施加才有效，例如，停止中的汽車，對其方向盤的操作是毫無效果的。22（2）根據(jù)角色的屬性可分為玩家和非玩家角色兩種類型（3）根據(jù)角色的智能性可分為智能性角色和無智能性角色兩種類型。角色運動結(jié)果主要是位置和朝向的變化，運動方式可有多種，玩家通過操控鍵盤、鼠標等實現(xiàn)玩家化身的運動；智能非玩家角色通過預置各種運動算法，當運動條件和環(huán)境符合時，自動產(chǎn)生運動方式；對無智能性非玩家角色，則不產(chǎn)生任何運動，只能靠場景切換或攝影機移動來隱藏或現(xiàn)身。11.3游戲中的角色與分類23角色的智能性具體表現(xiàn)在指導與運動、追逐與躲避、群聚、路徑搜索、智能搜索引擎等方面，下面做個簡單介紹。11.4智能游戲角色設計基本技術24指導角色行動的方法：預定義行為和目標導向行為。區(qū)分預定義行為和目標導向行為的依據(jù)是：角色是否唯一地選擇行動。預定義行為方法中，角色的所有行為都是動畫師和程序設計人員預先設計的。這里討論的主要是如何處理預先并不完全確定的角色行為的技術。兩種比較流行的方法是反應行為規(guī)則和分層有限狀態(tài)機。11.4.1游戲角色的指導與運動25指導角色行動的預定義行為方法：反應行為規(guī)則當角色行為僅取決于當前外部環(huán)境的感知，稱為反應行為。在反應行為中，角色不記憶以前經(jīng)歷的情景，沒有自己內(nèi)部情景的表達，因此無論角色收到的信號順序如何，只要是同樣的刺激信號，其反應行為就是一樣的。反應行為規(guī)則是第一種生成角色行為的方法，也是目前最普及的方法。用一些簡單的產(chǎn)生式規(guī)則就能產(chǎn)生復雜的行為。例如，下面的簡單的左轉(zhuǎn)規(guī)則：若有障礙在前面則向左轉(zhuǎn)否則直走

Ifblockedaheadthenturn-leftelsego-straight11.4.1游戲角色的指導與運動26指導角色行動的預定義行為方法：反應行為規(guī)則由于行為規(guī)則是預先確定的，所以一旦選定了行動，就不能再改變，角色只能按照當前情景預定義行為規(guī)則去行動。分層有限狀態(tài)機為角色保留了某些簡單的內(nèi)部狀態(tài)信息，設計控制器就比較容易。游戲設計中許多角色選擇行動是非確定性的，有多個方案可以選擇。當角色選擇了某個行動方案后，如果認為這個方案不能達到期望的目標時，可以返回選擇其他方案，直到選出合適的方案。11.4.1游戲角色的指導與運動27可非確定性選擇行動的角色容易接受指導，通過給角色指定目標，使角色能夠利用自己的領域知識，了解它選擇的行動方案是否能夠達到目標。非確定性選擇行動的響應速度比較慢，游戲設計時應該折中考慮。指導角色的第三種方案是將預定義行為和目標導向行為結(jié)合起來。11.4.1游戲角色的指導與運動281.隨機移動隨機移動能夠產(chǎn)生角色漫無目的地徘徊的感覺。對于自由運動的角色，可以不斷地產(chǎn)生隨機的速度矢量。對于靠轉(zhuǎn)向力來改變速度方向的角色，可以不斷產(chǎn)生隨機的轉(zhuǎn)向力。若使用完全的隨機數(shù)來控制角色的移動，行動看起來不穩(wěn)定，所以應該保持隨機過程的一致性，可采用噪聲函數(shù)法、投射目標法，也可以記錄從前走過的路，避免走回頭路等來體現(xiàn)隨機性。11.4.2游戲角色的追逐與躲避292.追蹤與躲避追蹤與躲避是功能相反的兩種運動模式。例如，在太空戰(zhàn)機射擊游戲或角色扮演游戲，游戲中的非玩家角色都有機會試著追蹤或躲避玩家角色；在角色扮演冒險游戲中，也想需要個巨人或某種可愛的生物，追著你的玩家角色跑；在第一人稱射擊游戲和飛行模擬游戲中，需要算出導彈的軌跡，攻擊玩家或玩家的飛行器等。對于任何一種情況，都需要一種邏輯手段，使角色進行追蹤或躲避。11.4.2游戲角色的追逐與躲避303.躲避障礙物追蹤與躲避是功能相反的兩種運動模式。游戲中玩家與非玩家角色都應符合現(xiàn)實場景的客觀規(guī)律，即不能出現(xiàn)互相穿透現(xiàn)象，如玩家穿過非玩家角色、玩家走出虛擬場景、玩家穿越地面等。對于這些現(xiàn)象，在設計過程中，可以理解為是追蹤與躲避的一種特例。11.4.2游戲角色的追逐與躲避31躲避障礙物可采用傳感器等方法，自動檢測玩家與物體的距離，當達到測定距離時，自動實現(xiàn)玩家不靠近障礙物。使用傳感器來判斷障礙物，即利用傳感器從當前位置沿當前速度向前方一段距離作投射，傳感器的末端表示按照當前的速度將要到達的位置，若在這個投射上發(fā)生了碰撞，則表示按當前速度行進將會發(fā)生碰撞，以此要求角色改變速度。傳感器的長度可以與角色的速率成正比。轉(zhuǎn)向力的方向為障礙物表面的碰撞點的法矢量的方向，轉(zhuǎn)向力的大小可以與傳感器的末端穿進障礙物的深淺成正比。11.4.2游戲角色的追逐與躲避32群聚（flocking）行為是基于CraigReynolds提出的Boids算法，由三個簡單的規(guī)則組成的算法。聚合（cohesion）：每個成員移向它的鄰居成員的平均位置；對齊（alignment）：每個成員朝向它的鄰居成員的平均朝向；分離（separation）：每個成員與鄰居保持一定的距離，以免相撞。11.4.3游戲角色的群聚33團隊中的一個成員所考慮的鄰居成員的數(shù)量可以通過該成員的視角和視野來控制，只有在視角和視野范圍內(nèi)的成員才予以計算。大的視角會使隊形向橫向鋪開來，而小的視角會使隊形縱向排開，形成細長的隊列?？梢詾椴煌囊?guī)則制定不同的視角和視野，這些需要在游戲的實現(xiàn)過程中進行調(diào)整。11.4.3游戲角色的群聚34一個成員的行為結(jié)果是三個規(guī)則計算出的轉(zhuǎn)向力的組合。有如下幾種組合方法：（1）將所有轉(zhuǎn)向力加權。缺點是權值難以設定和調(diào)整，例如障礙物躲避是必須的，應該保證角色不與障礙物相撞。（2）在（1）基礎上為每個轉(zhuǎn)向力增加一個優(yōu)先級。（3）為每個轉(zhuǎn)向力增加一個概率和一個優(yōu)先級。每一次更新只有一個轉(zhuǎn)向力起作用。這種方法由于每一次更新只計算一個轉(zhuǎn)向力，減少了計算量，但降低了精度。11.4.3游戲角色的群聚35A*算法雖然不是當今游戲軟件開發(fā)中最常用的路徑搜索算法，但它能保證在任何起點與終點之間找到最佳路徑。由于路徑的類型很多，尋求路徑的方法應與路徑的類型、尋徑的需求有關，所以它不一定適合所有場合，例如，如果起點和終點之間沒有障礙物，有明確的視線，就沒有必要使用算法；如果CPU功能不太強，則A*算法不是最佳選擇，尤其是多角色游戲的路徑選擇問題，因為算法要求CPU做大量的計算，會影響游戲效果。11.4.4游戲角色的路徑搜索36在游戲開發(fā)中，核心技術是構(gòu)架游戲引擎，它是決定游戲質(zhì)量的關鍵。游戲引擎就像賽車的引擎。玩家所體驗到的劇情、關卡、美工、音樂、操作等內(nèi)容都是由游戲引擎直接控制的。引擎就是用于控制所有游戲功能的主程序，從計算碰撞、物理系統(tǒng)和物體的相對位置，到接受玩家的輸入，以及按照正確的音量輸出聲音等。游戲引擎朝著兩個不同的方向分化。一是通過增加更多的敘事成分和角色扮演成分以及加強游戲的人工智能來提高游戲的可玩性；二是向著純粹的網(wǎng)絡模式方向發(fā)展。11.4.5智能搜索引擎3711.5.1智能游戲開發(fā)方法1.編程技術：使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或者動物所用的方法相同。這種方法稱為工程學方法。2.模擬法：它不僅要看效果，還要求實現(xiàn)方法和人類或動物機體所用方法類似。例如，遺傳算法、神經(jīng)網(wǎng)絡等。采用編程技術，需要人工詳細規(guī)定程序邏輯。如果游戲復雜，角色數(shù)量和活動空間增加，相應的邏輯復雜度就會以指數(shù)增長，人工編程就會非常復雜，容易出錯。采用模擬法，設計者不需要詳細規(guī)定程序邏輯，而是給每個角色設置一個能夠?qū)W習的智能模塊來進行控制。利用這種方法來實現(xiàn)游戲智能，無須對角色的活動規(guī)律作詳細規(guī)定，應用于復雜問題時，通常會比前一種方法更省力。11.5智能游戲開發(fā)方法與開發(fā)工具3811.5.2智能游戲開發(fā)工具游戲開發(fā)工具分為創(chuàng)作工具類和編程語言類兩大類。創(chuàng)作工具類是由軟件開發(fā)商開發(fā)的集各種功能在內(nèi)的專業(yè)軟件，主要采用“拖、拉、放”的形式開發(fā)。如Virtools、PRGMakerXP、FPSCreator、Vega、GameJackalPro、ZDSoftGameRecorder、GameEditor等開發(fā)工具。編程語言類主要利用各種高級語言，通過編程實現(xiàn)游戲的開發(fā)，如VC++、C、Java、J2ME、VC.NET、Delphi、VB等。選擇游戲開發(fā)工具應綜合考慮各種因素，可以選擇創(chuàng)作工具類，也可以選擇編程語言類，或者是兩者的結(jié)合。11.5智能游