游戲AI的決策部分是比較重要的部分，游戲程序的老前輩們留下了兩種經過考驗的用於AI決策的結構：
- 有限狀態機
- 行為樹
在以前，游戲AI的實現基本都是有限狀態機，
隨着游戲的進步，游戲AI的復雜性要求越來越高，傳統的有限狀態機實現很難維護越來越復雜的AI需求。
現代游戲AI都比較偏向采用行為樹作為決策結構。
有限狀態機
有限狀態機的一般實現是將每個狀態寫成類，再用一個載體（也就是所謂的狀態機）管理這些狀態的切換。
關於狀態機設計模式的具體介紹，可參考我的另一篇博文：https://www.cnblogs.com/KillerAery/p/9680303.html
有限狀態機的缺陷：
- 各個狀態類之間互相依賴很嚴重，耦合度很高。
- 結構不靈活，可擴展性不高，難以腳本化/可視化。
行為樹
可以看到，行為樹由一個個節點組成
- 結構：樹狀結構
- 運行流程：從根節點開始自頂向下往下遍歷，每經過一個節點就執行節點對應的功能。
我們規定，每個節點都提供自己的excute函數，返還執行失敗/成功結果。
然后根據不同節點的執行結果，遍歷的路徑隨之改變，而這個過程中遍歷到什么節點就執行excute函數。
//節點類（基類）
class Node{
//...
public:
virtual bool excute() = 0; //執行函數，返還 成功/失敗
//...
};
主流的行為樹實現，將節點主要分為四種類型。
下面列舉四種節點類型及其對應excute函數的行為：
- 控制節點（非葉節點），行為是控制遍歷路徑的走向。
- 條件節點（葉節點），行為是提供條件的判斷結果。
- 行為節點（葉節點）：行為是執行智能體的行為。
- 裝飾節點 ：行為是修飾（輔助）其他三類節點。
行為樹 控制節點
控制節點是用於控制如何執行子節點（控制遍歷路徑的走向）。
由於非葉節點的特性，其需要提供容納子節點的容器和添加子節點的函數。
所以先寫好非葉節點的類：
class NonLeafNode : public Node {
std::vector<Node*> children; //子節點群
public:
void addChild(Node*); //添加子節點
virtual bool excute() = 0; //執行函數，返還 成功/失敗
};
下面列出一些控制節點的介紹：
選擇節點(Selector)
按順序執行多個子節點，若成功執行一個子節點，則不繼續執行下一個子節點。
舉例：實現要不攻擊,要不防御,要不逃跑。
用一個選擇節點，按順序添加<攻擊節點>和<防御節點>和<逃跑節點>作為子節點。
class SelectorNode : public NonLeafNode{
public:
virtual bool excute()override{
for(auto child : children){
//如果有一個子節點執行成功，則跳出
if(child->excute() == true){break;}
}
return true;
}
};
順序節點(Sequence)
按順序執行多個子節點，若遇到一個子節點不能執行，則不繼續執行下一個子節點。
舉例：實現先開門再移動到房子里。
用一個順序節點，按順序添加<開門節點>和<移動節點>作為子節點。
class SequenceNode : public NonLeafNode{
public:
virtual bool excute()override{
for(auto child : children){
//如果有一個子節點執行失敗，則跳出
if(child->excute() == false){break;}
}
return true;
}
};
並行節點（Parallel）
同時執行多個節點。
舉例：一邊說話和一邊走路。
用一個並行節點，添加<說話節點>和<走路節點>作為子節點。
class ParallelNode : public NonLeafNode{
public：
virtual bool excute()override{
//執行所有子節點
for(auto child : children){
child->excute();
}
return true;
}
};
常用的控制節點一般是<並行節點><選擇節點><並行節點>。當然還有其他更多控制節點種類(不常用)：
- 隨機選擇節點(隨機執行一個子節點)。例如偶爾閑逛，偶爾停下來發呆。
- 隨機順序節點(隨機順序執行若干個子節點)
- 次數限制節點(只允許執行若干次)
- 權值選擇節點(執行權值最高的子節點)
- 等等..
可能到這里，有想到還有個問題：為什么控制節點也需要提供(執行成功/執行失敗)兩種執行結果。
答：這樣做就可以做到決策的復合——控制節點不僅可以控制行為節點，也能控制控制節點。
行為樹 條件節點
前提條件
執行節點不會總是一帆風順的，有成功也總會有失敗的結果。
這就是引入前提條件的作用——
滿足前提條件，才能成功執行行為，返還執行成功結果。否則不能執行行為，返還執行失敗結果。
但是每個節點的前提總會不同，或有些沒有前提(換句話說總是能滿足前提)。
一個可行的做法是：讓行為節點含有bool函數對象（或函數接口）。這樣對於不同的邏輯條件，就可以寫成不同的bool函數，綁定給相應的行為節點。
std::function<bool()> condition; //前提條件
現在比較成熟的做法是把前提條件抽象分離成新的節點類型，稱之為條件節點。
將其作為葉節點混入行為樹，提供條件的判斷結果，交給控制節點決策。
它相當模塊化,更加方便適用。
這里的Sequence節點是上面控制節點的一種：能夠讓其所有子節點依次運行，若運行到其中一個子節點失敗則不繼續往下運行。
這樣可以實現出不滿足條件則失敗的效果。
class ConditionNode : public Node {
std::function<bool()> condition; //前提條件
public:
virtual bool excute()override {
return condition();
}
};
行為樹 行為節點
行為節點是代表智能體行為的葉節點，其執行函數一般位該節點代表的行為。
行為節點的類型是比較多的，畢竟一個智能體的行為是多種多樣的，而且都得根據自己的智能體模型定制行為節點類型。
這里列舉一些行為：站立，射擊，移動，跟隨，遠離，保持距離....
持續行為
一些行為是可以瞬間執行完的(例如轉身?)，
而另外一些動作則是執行持續一段時間才能完成的(例如攻擊從啟動攻擊行為到攻擊結算要1秒左右的時間)。
因此，這些持續行為節點的excute函數里，應先啟動智能體的持續行為，然后掛起該行為樹（更通俗地說是暫停行為樹），等到持續時間結束才允許退出excute函數並繼續遍歷該行為樹。
為了支持掛起行為樹而不影響其他CPU代碼執行，我們往往需要利用協程等待該其行為完成而不產生CPU阻塞，而且開銷遠低於真正的線程。
此外，一般是一個行為樹對應維護一個協程。
不了解協程是什么，可以參考下我的Unity協程筆記：Unity C#筆記 協程 - KillerAery - 博客園
行為節點示例實現
//行為節點類（基類）
class BehaviorNode : public Node{
public:
virtual bool excute() = 0; //執行節點
};
//舉例：移動行為節點
class MoveTo : public BehaviorNode{
public:
virtual bool excute()override{
... //讓智能體啟動移動行為
... //協程暫時掛起直到持續時間結束
return true;
}
};
行為樹 裝飾節點
裝飾節點，顧名思義，是用來修飾（輔助）的節點。
例如執行結果取反/並/或,重復執行若干次等輔助修飾節點的作用，均可做成裝飾節點。
//取反節點
class InvertNode : public OneChildNonLeafNode{
public:
virtual bool excute()override{
return !child->excute();
}
};
//重復執行次數節點
class CountNode : public OneChildNonLeafNode{
int count;
public:
virtual bool excute()override{
while(--count){
if(child->excute() == false)return false;
}
return true;
}
};
OneChildNonLeafNode是指最多可擁有一個子節點的非葉節點類，這里就不做具體實現。
總結
到這里，我們可以看到行為樹的本質：
- 把所有行為（走，跑，打，站等等）分離出來作為各種行為節點，
- 然后以不同的控制節點,條件節點,裝飾節點將這些行為復合在一起，組合成一套復雜的AI。
相比較傳統的有限狀態機：
- 易腳本化/可視化的決策邏輯
- 邏輯和實現的低耦合，可復用的節點
- 可以迅速而便捷的組織較復雜的行為決策
這里並不是說有限狀態機一無所用：
- 狀態機可以搭配行為樹：狀態機負責智能體的身體狀態，行為樹則負責智能體的智能決策。這樣在行為樹做決策前，得考慮狀態機的狀態。
- 狀態機適用於簡單的AI：對於區區需兩三個狀態的智能，狀態機解決綽綽有余。
- 狀態機運行效率略高於行為樹：因為狀態機的運行總是在當前狀態開始，而行為樹的運行總在根開始，這樣就額外多了一些要遍歷的節點（也就多了一些運行開銷）。
在《殺手：赦免》的人群系統里，人群的狀態機AI只有簡單的3種狀態，由於人群的智能體數量較多，若采取行為樹AI，則會大大影響性能。
簡而言之：行為樹是適合復雜AI的解決方案。
- 對於Unity用戶，Unity商店現在已經有一個比較完善的行為樹設計(Behavior Designer)插件可供購買使用。
Unity官方商店插件購買地址：Behavior Designer - Behavior Trees for Everyone - Asset Store
- Unreal4用戶則可以免費使用引擎自帶的行為樹
額外
-
可讓根節點記錄該AI要操控的智能體引用（指針），每次進行決策，傳給子節點當前要操控的智能體引用。這樣就可以使AI行為樹容易改變寄主。
(例如1個喪屍死了被釋放內存了，寄生它的AI行為樹不必釋放並標記為可用。一旦產生新的喪屍，就可以給這個行為樹根節點更換新的寄主，標記再改回來) -
得益於樹狀結構，重復執行次數節點（或其他類似的節點），可以讓它執行完相應的次數后，解開與父節點的連接，釋放自己以及自己的子節點。
-
共享節點型行為樹是可供多個智能體共用的一種行為樹，是節省內存的一種設計：http://www.aisharing.com/archives/563
-
LOD優化技術：LOD原本是3D渲染的優化技術。對於遠處的物體，渲染面數可以適當減少，對於近處的物體，則需要適當增加細節渲染面數。
同樣的可以用於AI上，對於遠處的AI，不需要精准每幀執行，可以適當延長到每若干幀執行。
一個武裝小隊隊員的AI行為樹示例：
游戲AI 系列文章：https://www.cnblogs.com/KillerAery/category/1229106.html