如何在射击游戏中实施聪明的敌人？

想象一下一个非常简单的射击游戏，众所周知：

您是玩家（绿色）。您的运动仅限于X轴。我们的一个或多个敌人位于屏幕的顶部，他的移动也仅限于X轴心。玩家向敌人发射子弹（黄色）。

我想为敌人实施一种AI，该AI应该真正擅长避免玩家的子弹。我的第一个想法是将屏幕分成多个独立的部分，并为其分配权重：

有两种重量：“子弹重量”（灰色）是子弹施加的危险。子弹离敌人越近，“子弹重量”（0..1，其中1是最高危险）越高。没有子弹的车道的权重为0。第二权重是“距离权重”（灰绿色）。对于每条车道，我都会增加0.2移动成本（此值现在是任意的，可以调整）。

然后，我简单地添加权重（白色）并转到权重最低的通道（红色）。但是这种方法有一个明显的缺陷，因为它很容易错过局部最小值，因为最佳的去处只是在两个传入的子弹之间（如白色箭头所示）。

所以这就是我要寻找的：

• 即使在没有没有施加子弹威胁的地方的情况下，也应该找到解决方法。
• 敌人可以通过选择最佳（或几乎最佳）解决方案来可靠地躲避子弹。
• 算法应该能够考虑子弹的移动速度（因为它们可能以不同的速度移动）。
• 调整算法的方法，以便可以应用不同级别的难度（对超级智能敌人是愚蠢的）。
• 算法应该允许不同的目标，因为敌人不仅想躲避子弹，还应该能够射击玩家。这意味着在躲避子弹时，应该优先选择敌人可以向玩家射击的位置。

那么您将如何解决呢？与这种类型的其他游戏相反，我只希望有几个但非常“熟练”的敌人，而不是愚蠢的敌人。

我认为您的基本想法是正确的，但不是模拟的。您需要在屏幕上运行的模拟值字段。因此，一维扩散梯度可从中即时得出该线上精确点的值。扩散梯度很便宜，并且可以由多个敌人同时使用，因为它们描述了环境，而不是实体的视野（有点像光能传递照明）-可能是为什么您选择了问题中的方法。该渐变应该相对平滑，以引起敌人的有机移动，并且显然会随着您的游戏状态而更新。也许移动平均线？

渐变应结合：

• 接近
• 速度
• 子弹宽度
• （可选）目标位置（玩家）

为了躲避，我们必须能够在解决方案存在时准确地找到解决方案。每当有足够小的缝隙让敌人躲避时就属于这种情况。也就是说，我只能说，您只能做自己能做的事，因此梯度方法在这种意义上不会比任何其他方法都差。

扩散梯度应将敌人推向局部最优点（即图中的峰值），而移动的必要性越小，我们越接近局部最小值，因此对躲避的收益效应将减小。这为敌人何时开火提供了更明智的决策门。

如果射击的需求大于移动的需求，则应这样做；您的代码还可以通过区别多少来确定这一点。您可以将其作为基础图的一部分来实现，在这种情况下，玩家的位置会降低图中的周围值（假设敌人被吸引到最低点），从而将所有决策合并为一张图，或者您可以保留“ “希望解雇”图与主要的“希望躲避”图分开，这将为您提供更直接的控制。

IRL，在我知道以我的最高躲避速度开始变得难以避免的距离之内之前，我不会去躲避它。作为小伙子扔石头的第一手经验。以速度y行进x距离的子弹与以2y行进2x距离的子弹具有相同的危险等级。因此，需要正确考虑这一点。

调整敌人难度算法的方法包括

• 在图形更新上引入延迟（Born Too Slow）
• 在图中引入随机的局部误差
• 由于纯粹的AI惰性，在一系列更新（例如1到10帧）中，根本没有让敌人服从图形告诉他们的内容。

同样，您可以将所有因素实施到一个图中（控制较少，对多个敌人有用的程度较小），也可以将它们组合在一起查看以获取结果的几个图中（模块化程度更高，可能对多个敌人更有效）。很难具体说明，因为您可以采用多种方法进行指导。

这可以看作是一个路径问题。不必考虑坏蛋如何避开子弹，而是对子弹进行静态成像，并且坏蛋必须穿过它们到达屏幕底部。

    E    
B  B**B
  B***B  B
 B***B   B
B**B** B 
 B**B**BB
B*****B B
      P

E =敌人
B =子弹头
P =玩家
* =到屏幕底部的路径选项

一旦坏人画出一条成功的道路，它每次都只需要采取下一步。诸如此类的路径查找可能已经有了一些好的算法。如果坏蛋以与子弹相同的速度运动，则可能有一个示例算法；

从坏蛋开始，在左下方，右下方和右下方的空白处标记安全位置。然后考虑您刚刚创建的每个安全空间并重复。如果任何时候发现下面没有安全空间，请将该空间标记为不安全并回溯。