更新日期：2024年7月24日。
项目源码：第五章发布（正式开始游戏逻辑的章节）
简介
本章我们将进入让整个游戏真正跑起来的核心环节，那便是敌方阵营的AI，能够调遣敌方所有角色进行移动、追击、围堵玩家角色，才是真正体现游戏性的标志。
一、敌方AI调遣策略
首先，我们来设计敌方AI针对敌方所有角色的调遣策略：
设敌方角色A（会为所有敌方角色执行此调遣策略）：
1.【收集】：收集所有玩家角色的评估数据；
2.【评估】：评估所有玩家角色数据相对于自己的价值；
3.【行动】：向价值最高目标发起行动（攻击、追击等）。
简言之，此策略可归纳为如下三步：
收集 => 评估 => 行动
通过自定义收集算法、评估算法，可以使得敌方所有角色始终保持向高价值目标行动的趋势。
二、敌方AI基类
那么首先，我们依然是抽象一个敌方AI的基类AI：
/// <summary>
/// 敌人AI
/// </summary>
public abstract class AI
{
/// <summary>
/// 调遣所有敌人行动
/// </summary>
/// <param name="level">关卡</param>
/// <param name="enemyRoles">敌人列表</param>
/// <param name="playerRoles">玩家列表</param>
/// <param name="endCallback">调遣结束回调</param>
public void DispatchAllEnemy(Level level, List<Role> enemyRoles, List<Role> playerRoles, HTFAction endCallback)
{
}
}
我们只需要使自己编写的AI类型继承至AI类，其便作为一个AI控制器独立存在，通过定义不同的AI类型还可以实现各种风格或难度的AI，比如擅长围堵的，擅长风筝的，擅长逃跑的…
三、为关卡指定AI类型
然后回到我们的关卡(Level)类，在其中添加AI相关字段：
/// <summary>
/// AI类型
/// </summary>
[Label("敌人AI类型"), ClassType(typeof(AI))] public string AIType = "<None>";
/// <summary>
/// 敌人AI实例
/// </summary>
public AI EnemyAI { get; private set; }
ClassType使得其能够检索AI类的所有子类，<None>则代表无AI类型，这将是不被允许的。
然后在关卡(Level)的检视器面板便可以直接选择所有的AI类型：
四、创建AI控制器
接着我们在关卡(Level)的初始化(Initialize)方法中创建AI控制器：
public virtual void Initialize()
{
if (!string.IsNullOrEmpty(AIType) && AIType != "<None>")
{
Type type = ReflectionToolkit.GetTypeInRunTimeAssemblies(AIType);
EnemyAI = Activator.CreateInstance(type) as AI;
}
else
{
Log.Error($"关卡【{Name}】的敌人AI类型为空，这是不被允许的！");
}
}
五、调遣所有敌人行动
我们在之前的章节中已经对EnemyAI有所涉及了，也即是在玩家结束当前回合时，将控制器交由AI时，AI便会开始调遣所有敌人行动：
/// <summary>
/// 玩家结束当前回合
/// </summary>
public void PlayerEndRound()
{
//......
//调遣所有敌人行动
EnemyAI.DispatchAllEnemy(this, EnemyRoles, PlayerRoles, () =>
{
//行动结束后，进入下一回合
StartCoroutine(EnterRound(Round + 1, false));
});
}
到此，AI的生命周期差不多了，接下来我们进入正题，开始编写AI调遣策略的三个阶段（收集、评估、行动）。
六、AI调遣策略第一阶段：收集
要知道，在玩家操作角色行动之前，也会对整个战场的数据进行收集以便对接下来的行动做出评估，所以为了模拟真人的操作，AI在这里也将进行这个数据收集的过程。
我们定义一个收集方法：
public abstract class AI
{
/// <summary>
/// 收集评估数据（具体如何收集，交由具体的AI子类来实现）
/// </summary>
/// <param name="enemy">敌人</param>
/// <param name="player">玩家</param>
protected virtual EvaluationData GenerateEvaluationData(Role enemy, Role player)
{
return null;
}
}
AI收集评估数据必然是一对一的（一个敌方角色对应一个玩家角色），只不过这个敌方角色会对所有玩家角色都收集一份评估数据。
然后，我们定义评估数据类：
/// <summary>
/// AI评估数据
/// </summary>
public class EvaluationData : IReference
{
/// <summary>
/// 评估的目标玩家
/// </summary>
public Role Target;
/// <summary>
/// 玩家的上方是否可抵达
/// </summary>
public bool IsUpCanMove;
/// <summary>
/// 玩家的下方是否可抵达
/// </summary>
public bool IsDownCanMove;
/// <summary>
/// 玩家的左方是否可抵达
/// </summary>
public bool IsLeftCanMove;
/// <summary>
/// 玩家的右方是否可抵达
/// </summary>
public bool IsRightCanMove;
/// <summary>
/// 可用来攻击玩家的要诀
/// </summary>
public Ability UseAbility;
/// <summary>
/// 针对玩家的行动模式（0：无法攻击，1：能直接攻击，2：移动后可攻击）
/// </summary>
public int ActMode;
/// <summary>
/// 玩家是否能反击
/// </summary>
public bool IsCanBackAttack;
/// <summary>
/// 玩家当前的路径距离（为0则无法抵达玩家位置）
/// </summary>
public int Distance;
/// <summary>
/// 重置数据
/// </summary>
public virtual void Reset()
{
Target = null;
UseAbility = null;
}
}
当然，针对不同的AI类型，这里的评估数据是可以做出调整的，毕竟越强大的AI必然依赖越多的战场数据。
然后，我们在进入调遣所有敌人行动(DispatchAllEnemy)入口方法后，为所有敌方角色收集评估数据：
for (int i = 0; i < enemyRoles.Count; i++)
{
Role enemy = enemyRoles[i];
//敌方角色处于活动中，且未死亡
if (enemy.State == RoleState.Actived && !enemy.IsDead)
{
//回收评估数据缓存列表
for (int j = 0; j < _evaluationDatas.Count; j++)
{
Main.m_ReferencePool.Despawn(_evaluationDatas[j]);
}
_evaluationDatas.Clear();
//此敌方角色，针对所有玩家角色，开始收集评估数据
for (int j = 0; j < playerRoles.Count; j++)
{
Role player = playerRoles[j];
if (player.State == RoleState.Actived && !player.IsDead)
{
//将评估数据加入缓存列表
_evaluationDatas.Add(GenerateEvaluationData(enemy, player));
}
}
}
}
七、AI调遣策略第二阶段：评估
上一阶段已经收集到了敌方角色针对所有玩家角色的评估数据，那么接下来就是对所有数据做出评估，同时量化为可横向比较的价值。
我们依然定义一个评估方法：
public abstract class AI
{
/// <summary>
/// 评估一个玩家对于当前敌人的价值（具体如何评估，交由具体的AI子类来实现）
/// </summary>
/// <param name="enemy">敌人</param>
/// <param name="data">评估数据</param>
/// <returns>总价值，价值越高，敌人越优先向其发起行动</returns>
protected virtual int Evaluation(Role enemy, EvaluationData data)
{
return 0;
}
}
对上一阶段收集到的所有评估数据进行评估：
for (int i = 0; i < enemyRoles.Count; i++)
{
Role enemy = enemyRoles[i];
//收集评估数据......
//开始评估价值最高的目标
EvaluationData data = null;
int cost = -1;
for (int j = 0; j < _evaluationDatas.Count; j++)
{
int newCost = Evaluation(enemy, _evaluationDatas[j]);
if (newCost > cost)
{
data = _evaluationDatas[j];
cost = newCost;
}
}
}
到这一阶段，最高的价值cost对应的目标数据data便已经被筛选出来了，接下来只需向其指向的目标角色发起行动即可。
八、AI调遣策略第三阶段：行动
为此，我们再定义一个行动方法：
public abstract class AI
{
/// <summary>
/// 敌人向玩家发起行动（具体如何行动，交由具体的AI子类来实现）
/// </summary>
/// <param name="enemy">敌人</param>
/// <param name="data">AI评估数据</param>
protected virtual IEnumerator EnemyActing(Role enemy, EvaluationData data)
{
//行动完毕后，enemy 被标记为已行动，并等待1秒后，结束此角色的调遣
enemy.IsActed = true;
yield return YieldInstructioner.GetWaitForSeconds(1);
}
}
然后，对评估阶段筛选出来的最佳目标发起行动：
for (int i = 0; i < enemyRoles.Count; i++)
{
Role enemy = enemyRoles[i];
//收集评估数据......
//评估价值最高目标......
//向价值最高目标发起行动，并等待行动结束
if (data != null)
{
yield return EnemyActing(enemy, data);
}
}
到此，AI调遣策略的三个阶段便简介明了的展现出来了，它的代码量极其精简，但可扩展的空间却相当的大，核心的算法都将由具体的AI类型在收集、评估、行动这三个阶段做出具体的实现。
那么，下一篇我们将基于此探讨一个默认AI类型(AI_Normal)的实现。
430
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
