[Python]游戏编程--人工智能2

游戏中的人工智能2

该系列博客都是在学习《making game s with python and pygame》和一个特别好的博主的博客系列中学习的。

‘Festinatione facit vastum’

环境

Win10（神奇的我给kali装了Nivdia驱动，崩了）

Python2.7 or Python3.6

Pycharm

---

昆虫—我们最常用的建模对象（之一）

尽管我们是对昆虫建模的，这段代码对很多场景都是合适的。把它们替换为巨大的机器人守卫（蜘蛛）、坦克（蚂蚁）、能源（叶子），这段代码依然能够很好的工作。

游戏的实体类

$$实体(entity 英 [ˈentəti] 美 [ˈɛntɪti])$$
在这个时候有三个实体（Ant,Spider,Leaf），这时候我们就要发挥一下—尝试着去写一个通用的实体 基类，就可以了，如果加入了其他实体，也可以很方便的拓展出来。

一个实体需要储存：

名字
现在的位置
目标
速度
图形（外观）
但是有些实体可能只有一部分属性（比如叶子应该bia~在那里不动，所以速度为0吧），同时我们还需要准备进入和退出的函数以供调用。给出一个完整的GameEntity类：

class GameEntity(object):
    """游戏实体基类"""
    def __init__(self, world, name, image):
        """
        属性分别有：
        所在世界，
        名字，
        图形，
        位置，
        目的地，
        速度，
        大脑（之前举例的身体），
        id
        """
        self.world = world
        self.name = name
        self.image = image
        self.location = Vector2(0, 0)
        self.destination = Vector2(0, 0)
        self.speed = 0.
        self.brain = StateMachine()
        self.id = 0

    def render(self, surface):
        """传递他的位置，图形大小给Surface对象"""
        x, y = self.location
        w, h = self.image.get_size()
        surface.blit(self.image, (x-w/2, y-h/2))

    def process(self, time_passed):
        """他的行为"""
        self.brain.think()
        if self.speed > 0 and self.location != self.destination:
            vec_to_destination = self.destination - self.location
            distance_to_destination = vec_to_destination.get_length()
            heading = vec_to_destination.get_normalized()
            travel_distance = min(distance_to_destination, time_passed * self.speed)
            self.location += travel_distance * heading

观察这个类，会发现它还保存了一个world，这是对外界的其中的一个类的引用，否则实体是无法知道外界的信息。这里类还有一个id，用来标示自己，他还有一个brain，就是我们之后会定义的一个状态机类。

rander函数我们用来绘制自己

process函数首先调用self.brain.think这个状态机的方法来做一些事情（比如转身等…）。接下来的codes是让实体走进目标。

世界类

我们有了一个GameObject的实体类。这里再有一个世界类World用来描述外界。我们的世界不需要多复杂，仅仅要一个蚂蚁的巢穴，和储存若干个实体位置就足够了：

class World(object):
    def __init__(self):
        self.entities = {} # Store all the entities
        self.entity_id = 0 # Last entity id assigned
        # 画一个圈作为蚁穴
        self.background = pygame.surface.Surface(SCREEN_SIZE).convert()
        self.background.fill((255, 255, 255))
        pygame.draw.circle(self.background, (200, 255, 200), NEST_POSITION, int(NEST_SIZE))
    def add_entity(self, entity):
        # 增加一个新的实体
        self.entities[self.entity_id] = entity
        entity.id = self.entity_id
        self.entity_id += 1
    def remove_entity(self, entity):
        del self.entities[entity.id]
    def get(self, entity_id):
        # 通过id给出实体，没有的话返回None
        if entity_id in self.entities:
            return self.entities[entity_id]
        else:
            return None
    def process(self, time_passed):
        # 处理世界中的每一个实体
        time_passed_seconds = time_passed / 1000.0
        for entity in self.entities.itervalues():
            entity.process(time_passed_seconds)
    def render(self, surface):
        # 绘制背景和每一个实体
        surface.blit(self.background, (0, 0))
        for entity in self.entities.values():
            entity.render(surface)
    def get_close_entity(self, name, location, range=100.):
        # 通过一个范围寻找之内的所有实体
        location = Vector2(*location)
        for entity in self.entities.values():
            if entity.name == name:
                distance = location.get_distance_to(entity.location)
                if distance < range:
                    return entity
        return None

优化：因为我们有很多的GameObject，使用一个列表来储存及时很自然的事情。不过如果实体增加，搜索列表就会变得缓慢，所以我们使用了字典来存储。（打开我的Sai）：

这两个类还不足以构筑我们的昆虫世界，但是却是整个模拟的基础，下一次我们就要讲述实际的蚂蚁类和大脑（状态机类）