最近在路上一直在思考AI中的懒惰问题，为什么会突然想到这个，实在是因为这个问题十分常见，它非常简单，但是又非常难以漂亮的解决。先从一个问题引入吧。看下面这张图

假设我们有一个开阔的战场，这个战场被划分成了4个小区域，A~D来表示，实心小红圈表示进攻方，也是我们控制的人。实心小蓝圈表示防守方，是电脑AI控制的人。防守方为了不让进攻方突破，它有一个很简单的AI算法，当进攻方在A的时候，防守方就跑到C区域的中心（空心圈表示），当在B的时候，防守方就跑到D区域的中心（空心圈表示）。

这个算法看似很完美，但看下面一张图

当我们控制小红圈在A和B的边界快速来回移动的时候，试想一下蓝圈的行为，它就会不停在两个目标点转换，如果是带朝向的真实物体，就会发现，蓝圈一直在做180度的大转身，显得非常的傻。这就是AI程序中经常碰到的边界问题，也就是，当判断条件出现边界值的话，在边界附近会出现行为抖动的现象。解决边界问题的一个主要方法就是为AI引入“懒惰”的机制。

所谓“懒惰”，就是通过人为的为AI加入延迟机制，来使AI的行为更为真实。在这里，我们就需要调整我们的算法，既然觉得AI太快，我们就让他慢一点，加入一个计时器，这是非常直观的一种解决方案，我称之为计时器法。描述如下：

当蓝圈根据红圈位置得到一个新的目标点时，我们设定计时器为n秒，这样表示，n秒内目标点不允许被变更，然后计时器开始倒计时，当计时器倒计时结束时，我们再为蓝圈得到一个新的目标点，再次设定计时器，依次类推。

这样当我们在边界点快速移动的时候，蓝圈就不会随之快速的改变目标点了，相当于变得懒惰了，这种做法很简单。在AI中，计时器一直是一个好东西，有时我们不需要AI决策的太频繁，一方面为了真实，一方面也为了优化，这样我们就可以用计时器来控制AI决策的频度。引申一点说，这里设定延迟n，可以每次是一个随机值，随机值的好处就是，当有很多AI需要同时决策的时候，可以避免AI在一帧里集中计算，而其他帧空闲，造成AI决策的峰值。

还有一种Lazy的方法，我称之为交叉边界法，看下面这张图

我们为每个区域创建一个虚拟的区域，图中用粉框表示，虚拟区域比原来的区域要大一圈，这就使得A，B的虚拟区域的边界有一部分是重叠的。我们新的算法描述如下：

当红圈在A区域，并且不在B的虚拟区域中时，蓝圈的目标点在C的中心
当红圈在B区域，并且不在A的虚拟区域中时，蓝圈的目标点在D的中心

比较一下原来的算法，多了两个额外的条件，由于虚拟区域的存在，使得边界处不再是，A和B的二元差别，而是变成了A，A&B，B三个值，这样边界的跳变也就被平滑掉了，这种是专为解决边界问题而引入的Lazy机制，它会在边界处存在一定的决策延迟。

针对这个问题，使用上述的算法，会存在一个问题，如下图：

当红圈从A区域移动到图示中新位置的时候，由于虚拟区域的存在，蓝圈不会移动到D的中心，这会使得此处的AI行为不符合我们的预期。一个改进的做法是……..，下次公布一下我的想法，留给大家可以思考一下。:)

这两种就是非常常用的使AI懒惰的方法，它们有一些很好的优点，简单，易于实现。但却存在的一个致命的问题，就是需要修改原本的AI代码，而且这两种方法都会使得代码比较丑陋，不宜维护。我一直在想，有没有一个比较通用的解决方案或者代码片段，使得这样的问题得到解决，而不用修改原有的AI算法。欢迎大家留言和我讨论。

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