前些日子，经人推荐，看了一些CryEngine里AI部分的介绍，当然，作为一个大型商业引擎，AI部分涵盖了很多内容，特别的，我注意到里面关于行为树的部分，从CryEngine 3.3开始，行为树被舍弃了，取而代之的是称为“行为选择树”的模块，我并没有找到关于为何要做出这样的选择的官方说明，因此，我就仔细阅读了关于行为选择树的一些文档，记录在这里，因为我并没有用过CryEngine以及它所提供的相关工具，以下所有的心得都源自对于官方文档的阅读，如有不对，欢迎指正和讨论。

行为选择树（Behavior Selection Tree），顾名思义，它的重点在于为“行为”和“选择”

• 行为：AI在每一个时刻，都必须处在某一个行为中
• 选择：AI在每一个时候，都会根据外部的条件，选择某一个行为作为当前的行为状态

这两点并不是很难理解，换句话说，就是每一个AI智能体都永远处在它所应该在的行为状态中（当然，这里的“应该”指人为预设的行为选择逻辑）

在行为选择树中有几个相关的概念，或者说术语

• 选择变量（Selection Variable）：用来做选择逻辑的变量值，其实说白了，就可以认为是一个布尔值，要么是真（True），要么是假（False）
• 信号变量（Signal Variable）：用来改变“选择变量”的事件，“信号”是有外部的AI系统或行为选择树本身发出的，在行为选择树中，信号变量是和选择变量绑定的，要改变选择变量，官方建议是通过发送信号来实现（不建议直接修改），比如有一个信号变量是OnEnemyDead，一个选择变量是IsEnemyDead，那么当行为选择树收到这个信号时，就会把IsEnemyDead设成True，这样就影响了行为选择树的选择逻辑。
• 叶节点映射（Leaf Transition）：定义了名字和行为的关系，相当于给行为节点定义了一个别名。在行为选择树的定义中，节点是用别名来引用的，这样的好处就是，行为树的结构是可以复用的。

为了更好的说明上面复用的问题，我们可以举这样一个例子，比如有两种动物，一个是猫，一个是狗，同样是闲逛，猫有猫的方式CatWalk（猫步？），狗有狗的方式DogWalk，同样是吃饭，猫是CatEating，狗是DogEating，当饿的时候，会从闲逛行为切换到吃饭行为，吃饱了，就会再次切换回闲逛，所以对这两种动物来说，它们的行为选择树结构和逻辑上是一样的，不一样的只是他们的具体行为的执行方式，所以他们的行为选择树是可以复用的，叶节点映射就可以很好的处理这种情况，如下面的定义文件示例

--猫的叶节点映射

<LeafTranslations>

<Map node="Walk" target="CatWalk"/> --定义此别名所对应的具体行为

<Map node="Eat" target="CatEating"/>

</LeafTranslations>

--狗的叶节点映射

<LeafTranslations>

<Map node="Walk" target="DogWalk"/>

<Map node="Eat" target="DogEating"/>

</LeafTranslations>

--行为选择树定义，使用的时候别名，而不是具体行为的名字

<Priority name="Root">

<Leaf name="Eat" condition="IAmHungry"/> --选择条件是饿了

<Leaf name="Walk"/>

</Priority>

基本上，以上这些就是行为选择树的全部概念了，和行为树比起来，我觉得有两个比较明显的不同：

1. 对于“前提”（Precondition）的处理：在行为树的定义中，“前提”是可以带逻辑的，或是简单的逻辑代码，也或是复杂的逻辑代码，而在行为选择树中，它的前提被定义成了一个和“信号”所绑定的布尔变量，也就是说在它的前提中，不包含对于逻辑的计算，所有的这些计算都是在外部的其他AI模块（比如，感知系统，团队系统等等）中。所以行为选择树的“前提”可以看成是对一般的行为树前提的一个严格限定。
2. 叶节点映射：行为树的定义中，并没有别名系统，即使行为树的结构是一样的，但不同的智能体上也会绑定各自的行为树。行为选择树很好的引入了别名系统，这样就可以使行为树得到了复用，可以说，这一点是对行为树的一个改进。

CryEngine中提供了一个编辑器来生成行为选择树，从文档的介绍来看，可以很好的编辑，调试和管理行为选择树。我想之所以行为选择树有这样的设计，和编辑器，以及整个AI系统的融合有很大的关系。编辑器的要求就是直观，对于前提的简单处理可以很好的保证这一点，比如，我可以仅仅改变一个选择变量就改变其行为选择，对于调试来说，也是极为便利的，设想一下如果前提是带有逻辑运算的，那在编辑器中，那就需要再写一个前提脚本来配置前提，会相对复杂得多。

另外，在实际开发中，会发现对于树（或者树的某个分支）的复用是十分必要的，就像我们不喜欢代码的冗余一样，对于行为树的冗余，有时也是不能接受的，所以不管从树的设计上来说，还是编辑器来说都要提供复用的架构设计，行为选择树就很好的做到了这一点，特别要指出的是，简单的前提设计在复用上有提供了一个很好的帮助，因为它仅仅是一个变量，所以在前提部分我们就不需要特别关注复用的问题了。如果是带复杂逻辑的前提，那势必我们还需要关心前提的复用问题。简单就是美啊!

总结下，行为选择树可以看成是对行为树的部分功能简化，和拓展，为编辑器的设计，为调试带来了很大的帮助，当然，由于它把前提的运算移到了外部，所以就更多的需要外围其他AI系统的支援了。有兴趣的朋友，不妨到CryEngine的主页了解试用一下这个引擎和它的行为选择树。

参考资料:

http://freesdk.crydev.net/display/SDKDOC2/Behavior+Selection+Tree+Editor

http://freesdk.crydev.net/display/SDKDOC5/Behavior+Selection+Trees

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