游戏AI之RTS游戏中目标指引推理的经济学方法

一 目标指引推理

在一个目标空间中进行推理可以采用两种方法：从初始状态开始的正向推理；或者从目标开始的反向推理。由于在RTS游戏中，任一状态都有大量的走法，所以反向推理显得更为高效。

很多时候，目标是无法直接达到的，这个时候就需要将目标分解成无数小的目标，依次实现。

二 效用模型

在对目标进行分解后，需要对目标链进行选择，分配优先级。要实现优先级算法，需要先明白如下概念：

1、效用模型

每个行动都会给目标带来效用，而边际效用指花费1单元的代价在该行动上能够带来的效用。

同人类对普通消费的观念一样，AI也总是追求最大的边际效用的。

2、成本

要计算目标的边际效用，先要计算目标的成本。

目标的成本包括资源成本和时间成本。另外还包含一个非常重要而又很容易忽略的机会成本。

3、生产可能性

检查各种可能的选择的方法，是建立一个N维的生产可能性曲面。

4、目标成本与任务成本

要计算一个目标的成本，除了要计算它本身的建设成本，还要加上从现在的状态开始，为了建造该目标，而事先建造的所有子目标的成本。

5、多任务

很多建筑都是单任务的，一个时间只能做一件事，考虑算法时需考虑这个因素。

三 组合

步骤：

1、确定一个或一组目标。

2、将目标分解成一系列子目标。

3、生成通往每个目标的任务链。

4、判定每个目标和子目标的效用。

5、将每个目标的效用值都反向传递，并一路相加，以确定最初子目标的优先级。

6、对子目标的效用值归一化。

7、找到效用最大的子目标。

8、确定该子目标的任务序列能否执行。不能则不安排该任务。

9、重复7和8，知道安排完所有的任务序列，或无法安排更多的任务序列。

10、响应游戏世界的变化

11、任务序列完成后删除。