基于回合制策略游戏的复杂游戏AI

我正在为回合制策略游戏项目做一些研究，并在这个主题上寻找好的资源。该游戏是一种典型的战争游戏，各国可以互相战斗，部署单位并让这些单位在六角形的地图上移动，互相攻击等。

我对Civilization V的AI的组织方式特别感兴趣！根据Wikipedia的说法，该游戏针对游戏AI的不同层使用了四个不同的AI系统：

• 战术AI控制单个单位
• 行动AI负责监督整个战线
• 战略性AI管理着整个帝国
• 大型战略AI设定了长期目标并确定了如何赢得比赛

从概念上讲，这看起来对实现复杂的AI很有意义，而且让我好奇地发现这些不同的AI系统如何工作（并一起工作）。战术AI可能是最容易理解的，因为它可以处理单个单位的决策（移动，攻击，维修，撤退等），但我认为其他AI系统才是真正令人感兴趣的地方。例如，可操作的AI会做什么，以及它是如何做到的？我敢肯定，这些是Firaxis Games保留得最好的秘密，但是开始对此进行讨论以找到更多信息是很酷的。

同样，如果有人知道任何擅长基于回合制策略游戏AI的好书，那么也很高兴知道。显然，这是网上稀疏的话题。我得到了“通过示例编程游戏AI”，但是那本书更多地是关于单一代理行为AI，而不是高级的面向目标的AI。

尽管我同意DampeS8N的开篇段落（即游戏AI只需要足够聪明才能使玩家认为它很聪明），但我认为这个问题需要更多阐述。所使用的数据结构可以是所有级别的FSM，但这并不能真正回答各个系统如何工作的问题。

免责声明：我几乎没有玩过《文明》游戏，所以我对游戏玩法的理解受到限制。如果有任何明显的错误，我深表歉意。请纠正我，我会很乐意编辑。

我将引用原始IGN文章的报价。

1.战术AI

在最低级别，战术AI使用手头的力量在局部规模上赢得一场战斗。

这可能是子系统的最标准部分。可以使用FSM，行为树（甚至根据AI的难度甚至执行随机动作）来执行此操作的方法无穷无尽。

但是，由于这是回合制游戏，类似于风险游戏，我认为更可能发生的是为每个单元分配一个分数。然后根据不同的变量（算法，地形奖金等）将乘数附加到该分数上。

然后通过类似以下内容的方法来计算结果：

If (AI unit score >> (much greater) enemy unit score) Then Completely destroy enemy unit
If (AI unit score > (somewhat greater) enemy unit score) Then Partially destroy enemy unit
If (AI unit score < (somewhat less) enemy unit score) Then Partially destroy AI unit
If (AI unit score << (much less) enemy unit score) Then Completely destroy AI unit

AI在战斗中会尝试并最大化该分数是有意义的。

添加一个ε值（例如，失败/成功的机会很小），您将拥有相当不错的外观AI（没有人想要一个完美的对手，那可真不好玩！）。

2.运营人工智能

与之相比，可操作的AI更进一步，它可以选择要战斗的战斗，并确保有必要的部队可用。

我认为有两点：

• 评估电流强度
• 部队加固
• 评估选择/避免打架

评估当前强度 -这只会向我尖叫影响力图。它可以很容易地在十六进制网格上表示。由于该子系统以战斗为导向，因此影响值可以代表附近每个单元的强度值。如果您有一支庞大的军队集中在小范围的六边形上，那么影响力值将是巨大的，而作战AI会在评估挑拣战时考虑到这一点。别忘了，对立军队的影响力值也会被计算出来。这使操作AI可以预测潜在的传入威胁。

部队增援 -通过从影响图中接收有关敌对派系的信息，AI可以确定哪些部队受到的威胁最大。然后，AI可以发出命令，让附近的部队去加强受威胁的各方。

评估选择/避免打架 -这里可能发生几种情况。如果AI检测到某个单位正受到威胁并且附近没有单位可以帮助它，则可以a）决定牺牲该单位（例如，如果他们只是低下的步兵，而不是不可替代的将军）或b）订购该单位撤退。相反，如果AI在军队附近检测到一个弱小的敌方单位，则可以命令该单位将这个敌人赶出。

这是一篇不错的论文，它在实时策略游戏中利用了影响力图。

3.战略AI

更高的战略AI将整个帝国进行管理，重点是在哪里建造城市以及如何处理城市。

“我应该在哪里建一座城市？” 听起来像是位置评估 国际象棋程序和其他游戏使用它来确定给定位置的合意性。例如：

十六进制A：靠近资源，在高地形上，靠近盟友，靠近敌人十六进制B：远离资源，在中级地形上，距离盟友中等距离，远离敌人

位置评估功能可以考虑以下三个因素：

Score = Proximity to resources (closer yields a higher score) + 
terrain elevation (higher yields higher score) + 
proximity to allies (closer is better) + 
proximity to enemies (farther is better)

得分最高的六角形将是城市的建造地点。有关评估功能的更多信息，请参见此处。

我认为战略性AI在游戏中也有很多伪预言的策略，这取决于AI追求的胜利类型。

4.大战略人工智能

最重要的是战略AI，它决定了如何赢得比赛。

我认为这可能是最简单的方法，给人的印象是比实际情况要令人印象深刻。在这样的游戏中，只有有限数量的胜利类型。文章提到了Conquest的胜利，并假设联盟也有胜利等，这可能很简单，就像随机选择其中一种类型然后将其传递给其他系统一样。

编辑：当然，正如DampeS8N所指出的那样，地图的类型可以决定要争取的最佳胜利条件，在这种情况下，地图可以由设计人员进行硬编码，或将不同变量归入某种评估函数。

结束语
我认为关于这种系统的真正重要注意事项是子系统的分层方式，它们实际上不需要相互之间进行大量交流。它看起来像是一个自上而下的架构，组件之间松散耦合。从技术设计的角度来看，它是干净且灵活的，并且可能从紧急行为和/或包容性体系结构中汲取灵感。

我真的很抱歉这篇文章的长度，它变成了野兽:(

无论哪种方式，希望对您有所帮助！

通常，不应将游戏中的AI视为“复杂”的事物，而这全都在于以最小的努力获得所需的东西。游戏的名称是Emergence。

在这种情况下，您的基本概念化是错误的。这4个系统根本不需要协同工作。他们只需要看起来像他们一样。它们也可能比您认为的要精简得多。

您还颠倒了难度顺序。Civ AI中最难的部分是战术AI，其次是作战AI。战略可能非常简单，而大型AI可能仍然更简单。

组件之间的通信更像是一个咕gr的系统，而不是真实的通信。从高级别到低级别看起来像这样：

大人工智能

评估地图状态。鉴于AI拥有的知识（可能是一切，或者如果是玩家，它可能只有它）将决定AI最快达到哪个最终目标。这可能是有限状态机，进行一些数字运算并选择目标。可能是更奇特的东西。一个遗传算法的或可能是基于贝叶斯窍门。然后，它发出类似“更多科学”的信息。

战略人工智能

然后查看使用许多相同信息可以使用的内容。它不仅要努力实现总体目标，而且还要担心游戏的更多细节。我在战争中吗？我饿死了吗？以此类推。它也可能是有限状态机，可能是模糊逻辑（实际上只是FSM的一种演变。）让我们假设它是一个简单的FSM。它将按一定的顺序提出上述问题，在一定的条件下，它将决定本轮需要进行的不同事情。我在战争中，为训练士兵分配资金。我的人民正在挨饿，在这里建造粮仓而不是在建设科学的东西。

根据我们如何拆分，选择要构建的单元可能是Strat AI或Op AI的一部分。

人工智能

将使用可用的单位，并将其分配到不同的战线。它将决定冲突的总体形式，新部队一旦部署将前往何处。它可能也是FSM。可能会注意到，前线A上的敌人正在以对B单元较弱的单位进攻，并将向该单位发送更多的B单位，而不是向对B单元较强的另一条前线派遣。它将向整个单位发出一般命令。随意进攻。撤退。等等。

战术AI

是特定于单位的。每种类型的单位对一般订单的反应都不同。打算自杀的单位可能会忽略撤退命令。即使是被告知要战斗的单位，也可能会退缩。文明通常对这种事情很轻率。通常，Civ中的所有单位都遵循其命令。给定它们所处的阶数较大，它们就是FSM（请参见此处的模式？）。我受伤了吗 我应该退出并up愈。我在这个位置有优势吗？攻击。我太接近攻击了吗？退后 该FSM的复杂性不必超过这三件事就可以有效并令人信服。

可以增强吗？

当然是。问题是玩家是否会注意到。而且99％的时间他们不会。

现在，这就是所有决策AI。这里还有其他AI子系统在起作用。有A *或其他某种寻路算法，可以让单位找到到达某个位置的最短路径。有一些算法可以找到开始新城市的最佳位置。等等。通常将AI分组在一起，并且通常要比AI的“思考”部分复杂得多。实际上，用于寻找FSM需要提出的问题答案的代码通常比FSM本身复杂几个数量级。一个人到底是怎么决定的