最近在做的一个AI用到了分数系统，这次就来和大家聊聊这个话题。

先来设计一个场景，有一个单兵作战的士兵，在丛林中，他有一些基本的行为，比如射击（shoot），移动（move），撤退（retreat）。他必须结合很多因素来决定自己的行为，比如，敌人的数量，自身的情况，弹药的情况，环境的情况等等，我们现在就来为这个士兵写AI来模拟他的行为。

AI常常用到一些if-else的逻辑判定（这种方式，在AI中叫基于规则的AI，Rule-Based System），对一些简单并且确定的逻辑，这种方式十分的便捷有效。但在上面这个场景中，如果单纯的用if-else，会使代码很快变的杂乱和难以维护，我们可以试着写一下，假设我们需要考虑以下两个个要素：

1. 敌人的数量（Enemy Count，EC)
2. 自己的负伤程度（Hit point，HP，用0～100来表示）

我们定义以下规则

规则1. 如果 EC = 0，那么 Move
规则2. 如果 HP < 30，那么 Retreat
规则3. 如果 EC > 4，那么Retreat
规则4. 如果 0< EC <= 2 并且 HP >= 30 那么 Shoot
规则5. 如果 2< EC <= 4 并且 HP > 70 那么 Shoot
规则6. 如果 2< EC <= 4 并且 HP <= 70 那么 Retreat

这些规则可以转换成相对应的if-else，但这样一个简单的情形（两个条件，三个结果），我们就需要6条规则来描述，如果我们需要其他一些考虑因素，比如，弹药，环境，那用这样的结构就很难维护了。对这种多因素判定的情况，我们就可以尝试用分数系统来做。分数系统的一个基本思想，是为每个单独的行为打分，根据分数的高低来决定做哪个行为，而所有的因素就是打分的依据。上面这个场景中，我们有三个独立行为，在每次的AI选择中，我们来为这些行为打分，下面我们来试着把这个士兵的AI用分数系统来做：

假设我们的分数是从0～100，Clamp(v, l, h)是指如果v<l，则v=l，或者如果v>h，则v=h，Max值取两者较大的那个值

1. Move：   s = Clamp(100*(1 – EC), 0, 100)
2. Retreat：s1 = Clamp(100 – HP, 0, 100)
s2 = Clamp(25 * EC, 0, 100)
s = (s1 + s2)/2
3. Shoot： s1 = Clamp(HP, 0, 100)
s2 = Clamp(100 – 25 * Max(EC, 1), 0, 100)
s = (s1 + s2)/2

我们来做一些测试：

1. HP = 60, EC = 2
Move(0), Retreat(45), Shoot(55) –> Shoot
2. HP = 20, EC = 1
Move(0), Retreat(52.5), Shoot(47.5) –> Retreat
3. HP = 100，EC = 5
Move(0), Retreat(50), Shoot(50) –> Shoot or Retreat
4. HP = 70, EC = 0
Move(100), Retreat(15), Shoot(72.5) –>Move

有上面的测试可以看出，大部分还是能符合我们预先定义的一些规则……

（待续）

ps: 本来想一下写完了，可是太晚了，最近身体不是很好，要早点休息了，明天再补完

————————————————————————
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
————————————————————————