前段时间，谈到了一种层次化的AI架构，通过“请求”来隔离出“决策层”和“行为层”，这种架构的核心是通过“请求”来起到承上启下的作用，并由此得出当前AI所应当有的行为，所以可以称之为“请求导向(Request-Oriented)”的结构。这种结构比较适用于需要频繁做AI决策的游戏场合，比如体育类游戏等，一旦变换了请求之后，行为层就可以迅速的找到相应的行为来完成请求的内容。

这次我们换一种思路，来讨论一种“目标导向(Goal-Oriented)”的AI结构，这种结构对于一些持续性相对较长的AI策略来说，是非常适用的。还是先举个例子吧，我平时很喜欢玩星际（没玩过的同学，可以看我下面的描述），那假设我用单个农民（SCV）造一个人族的重工厂（Factory），造重工厂的前提是需要200水晶（Mineral）资源，100气体（Gas）资源，而且必须要先造好兵营（Barrack），兵营是150水晶资源，还有在采集气体资源前，需要造一个气矿（Refinery），气矿也需要100水晶资源，具体流程图如下：

在这个流程里，我们为这个农民设定的“目标”就是“造一个重工厂”，由于在游戏中，要完成这个目标前，需要有其他一系列的预备行为，如果我们为这个农民写AI的话，它就需要根据上面的流程一步步的来完成我们要求它的“造一个重工厂”的目标。由于所有的AI行为决策都是由指定的目标引起的，所以我们把它称之为“目标导向(Goal-Oriented)”的AI架构。

由上面的例子我们可以看到，一个目标之后，必然会有一系列的行为与之对应，而这些行为就是为了最终完成这个目标，那这些行为是如何串联的呢？或者说，我们如何来做这样的行为计划呢？在“目标导向(Goal-Oriented)”的AI架构中，一般都会存在一个称之为“计划器(Planner)”的模块，由这个模块负责生成这样的行为序列，计划器有两种工作方式，一种是静态的，一种是动态的。

静态的计划器是在游戏设计时，对于所有已定义的可用目标，预先设计好计划流程，就像我们上面这个例子，我们就对“造一个重工厂”这个目标预先设计了一套计划流程，当游戏中的农民收到这个目标后，就会按照我们定义的这个流程来做。

动态的计划器是在游戏运行时，实时的根据目标来计划行为，因为我们看到，计划中每一个单步的行为都存在“前提(Precondition)”和“效果(Effect)”两个部分，“前提”就是做这个行为需要满足的条件，“效果”就是这个行为对于游戏世界的影响。还是用上面这个例子，像“造兵营”这个行为，它的前提就是“需要有150水晶资源”，它的效果就是“当前存在一个兵营”，再如“造重工厂”，它的前提就是“需要200水晶资源”，“需要100气体资源”，“当前存在一个兵营”，它的效果就是“当前存在一个重工厂”，可以看到，前一个行为的效果会成为了下一个行为的前提，所以有了这样的定义，我们就可以通过一些算法，来把可用的行为串联起来，形成一个计划，这样最后一个行为的效果，就是我们所定义的目标。

除了核心的计划器模块，我们还需要目标选择(Goal Selector)模块，来选择我们当前要完成的目标（相当于更高层的决策层），还有一个就是计划实施(Plan Stepper)模块（相当于行为层），用来按部就班的完成计划中各个行为，这两个模块比较好理解，就不多说了，有了上面几个部分的定义，我就可以画出这样的“目标导向(Goal-Oriented)”的AI架构图：

由上图可以看到这种架构也是相当清晰的，核心的计划器部分在具体实现的时候，还有各种各样值得讨论的地方，本文作为抛砖引玉的作用就不多提了，以后可以继续讨论。现在的游戏AI中，这种Goal-Planner架构的也占了相当大的比例，在动态的计划器的驱动下，可以呈现出多样和逼真的AI行为，希望这篇文章对大家了解这种架构起到一些帮助。

————————————————————————
作者：Finney
Blog：AI分享站(http://www.aisharing.com/)
Email：finneytang@gmail.com
本文欢迎转载和引用，请保留本说明并注明出处
————————————————————————