游戏AI的决策树和行为树之间的区别
Answers:
两者是完全不同的。真正的指示符在名称中。决策树仅用于决策。行为树用于控制行为。请允许我解释。两者的主要区别在于它们的遍历方式，同样，它们的布置方式和节点“类型”也不同。
每次都从根到叶评估决策树。为了使决策树正常工作，每个父级的子节点必须代表该节点的所有可能决策。如果可以回答一个节点“是，否，也许”，则必须有三个子节点：是节点，否节点和可能节点。这意味着始终有一些下层节点要遍历，直到到达末端节点为止。遍历总是向下的。图形形式：
很简单 我们从根开始，并基于一些评估，选择1、2或3。我们选择3。然后我们进行一些其他评估，然后选择B或B ...好吧，我从下面重复使用了该图形。假装左边的B是魔法B。
行为树有不同的评估。第一次对其进行评估（或重置）时，它们从根开始（父节点的行为类似于选择器），并且每个子级从左到右进行评估。子节点根据其优先级排序。如果满足所有子节点的条件，则其行为将开始。当节点开始行为时，该节点将设置为“正在运行”，并返回该行为。下次对树进行评估时，它将再次检查优先级最高的节点，然后谈到“正在运行”的节点时，它将知道从停止的地方开始。在达到结束状态之前，节点可以具有一系列操作和条件。如果任何条件失败，则遍历将返回到父级。然后，父选择器移至下一个优先级子级。我将在这里尝试使用图形形式：
遍历从根开始，转到子项1，检查子项条件（类似“附近有敌人吗？”之类的东西）。条件失败，遍历将向后移动到树上，继续前进到节点2。节点2具有已执行的操作（可能类似于查找路径）。然后是一种行为（类似遵循路径的行为）。以下路径设置为running，并且树返回其状态为running。失败或完成的节点将返回“就绪”。然后，下一次我们检查时，我们将从优先级最高的节点重新开始。它再次失败，因此我们继续进行第二个节点。在那里，我们发现有行为正在运行。我们还发现行为已完成，因此我们将其标记为完成并返回。然后将树重置并准备再次运行。
如您所见，行为树更加复杂。行为树更强大，并允许更复杂的行为。决策树易于理解且易于实现。因此，当您想要更复杂的行为或对行为进行更多控制时，可以使用行为树。决策树可以用作行为树的一部分，也可以单独用于简单的AI。
在这里可以找到对如何解析行为树的一些很好的了解。