用行为树与状态机写AI

对于有限状态机而言，必须明确 状态的转换方式； 对于行为树，必须明确状态前提：前提条件
每一个行为必须有“前提条件” ，这决定了该行为是否被选择。
行为树的运算也是通过帧循环的update来驱动，不一定是每帧都update，但是要周期性update。
每一次run从根节点(root)开始，每一运行都会选择一个可行的子节点运行，这种选择可以是随机方式，也可以是预设好优先条件
行为树由叶子节点和中间节点组成，叶子节点是最基本的行为(如跑动，攻击)，中间节点代表逻辑单元(巡逻，逃跑)。
当一个叶子节点被选择后，就会激活其对应的基本的行为
最基本的行为可能执行成功也可能失败。
高等级的行为（中间节点）是否执行成功依赖于他们的孩子节点是否执行成功。
一个子节点失败可能导致父母节点选择另外一个孩子。
除了选择(selector)一个单独的子节点行为，一个节点还可能顺序(sequence)or并行(concurrent)得运行他的所有子节点。
一个行为除了有前提条件，可能还有上下文条件(父节点or孩子节点可能存储一定的状态变量)。

高优先级的行为可能抢占低优先级的行为。

行为树特点：

1.高度模块化状态，去掉状态中的跳转逻辑，使得状态变成一个“行为”。

2."行为"和"行为"之间的跳转是通过父节点（Composite）的类型来决定的（例如sequence或者selector) 。比如并行处理两个行为，在状态机里面无法同时处理两个状态。

3.通过增加控制节点的类型，可以达到复用行为的目的。

4. 可视化编辑

行为树(Behavior Tree)类型

有4大类型的Node：
(1) Composites Node  组合节点

(2) Decorator Node 装饰节点

(3) Actions Node     行为节点

(4) Conditinals Node条件节点

整棵行为树中，只有Condition Node和Action Node才能成为Leaf Node，而也只有Leaf Node才是需要特别定制的Node；Composite Node和Decorator Node均用于控制行为树中的决策走向。(所以有些资料中也统称Condition Node和ActionNode为Behavior Node，而Composite Node和Decorator Node为Decider Node。)

设计思路

定制Action节点 和 Conditional节点

用决策节点组织Action节点和Condition节点，形成行为树