EEPW论坛

经过我今年对深度学习 机器学习的研究发现 其算法是错误的

计算机是一台以指令为单位的机器 它是不会学习的 所以没有学习算法一说 那是没有认清计算机的本质 学习是人才有的行为 机器怎么会学习吗 它只有指令啊 经过研究发现我们常说的人工智能 主要是如下四个函数构成的 下面我以常见的游戏AI为例讲解其实现 由于已有多年未碰编程 这里只给出大致算法

在游戏中 当角色或者NPC看/听到什么的时候 就开始学习过程 如何学习呢 其实所有的学习都是从理解开始的 下面给出Understand()函数

int Understand(string type, string action, string p1, string p2)

{

string memory;

switch(type)

{

case 'walk'

memory=Walk(action,p1,p2); // Walk()函数根据词典定义及参数p1, p2解释action并将相应的字符串写入memory

break;

case 'run'

memory=Run(action,p1,p2);

break;

case 'fight'

memory=Fight(action,p1,p2);

break;

case 'look'

memory=Look(action,p1,p2); // 比如看这个行为 Understand()函数会把它解释成使视线接触人或事物 并把记忆记在数据库里

// 实际上人在想看东西的时候 检索记忆也是找到上面的解释并做出相应的行为的

break;

......

各种人的行为的函数 // 这里要注意的是行为的归类一定要仔细不要冗余 比如躺和侧躺是一类不能归为2类 我个人估算25个行为左右已经有很好

// 的人工智能70个基本上完美 这个时候Understand才两三百行 对游戏来说是个微不足道的小函数

// 要特别指出的是像跳绳 踢毽子等应该归属于一类Playing()玩游戏

break;

}

Remember(action, memory); // 记忆理解所得的结果即把原始记忆和理解得出的记忆写入数据库 如表hero/NPC

}

第二个函数是Study() 人要认识世界就要各种学习 理解了就学习了 所以

bool Study(string action)

{

action=Look()/action=Listen(); // 通过看或者听学习

string type=IsAction(action); // 判断是某种行为 比如走 跑 说话 看等

string p1,p2;

p1=IsParam1(action); p2=IsParam2(action); // 对行为的一些描述p1 p2

Understand(type, action, p1, p2); // 对行为进行理解并记忆

}

然后 NPC在空闲的时候还会想事情(就是普通的漫无目的想 假定其函数名为Thinking) 想了之后就做某种事情 第三个函数如下

int Thinking()

{

int n=0; // n是随机数 NPC在空闲的时候想什么事情是个随机事件 它随机性的发生

int type=rand()/2; // 2可用其它值 处于某种想之中

switch(type)

{

case 1:

n=OnIdle(); // 在空想 函数给n赋予随机值

break;

case 2:

n=Memory(); // 在回忆 函数给n赋予随机值

break;

......

}

switch(n)

{

case 1:

Walk(); // 某种形式某种目的的行走 与Understand()中那个不同这个是实际的行为 那个是把行走理解成某种行动的字符串数据

break;

case 2:

Talk(); // 某种目的某种内容的谈话

break;

......

default

break;

}

}

最后一个函数 也是最难的一个函数 就是思考(Thought) 对某个问题经过思考得出结果

int Thought(string question)

{

if(LookupMemory(question)) // 在记忆中查找看是否找到 实际上是一个查找数据库的表并在表中的数据项查找的函数

{

string law;

law=Haslaw(question); // 函数中可用IsNum() IsMathChar() IsLaw()等函数判断question里面是否有数字 数学符号 数学/物理法则等

if(law.IsNotNull()) // 看是否包含有法则

{

RunLogic(law); // 运行相应的逻辑法则

}

else

{

// 做其它的事 比如和某个NPC对话

}

return 1;

}

else

{

if(Research(question)) // 研究问题

{

...... // 成功相应的行为

return 1;

}

else

{

...... // 失败相应的行为

return 0;

}

}

}

通过以上四个函数就可以把理解 学习 想事情 思考问题完整的实现出来 完成人工智能的全部功能 这里根本不需要什么深度学习 机器学习 这就是全部的人工智能函数

下面再写两个跟游戏有关及常用的人工智能函数 第一个自动寻路/自动驾驶

自动寻路要注意的一点就是不能把HitTest()当成"轻重缓急"算法写在判断避让那里 因为自动寻路避让障碍的时候是个轻重缓急行为 不是进行碰撞检测

bool AutoDriving(int Character)

{

bool obstacle=Look(); // 看道路上有无障碍

if(obstacle)

{

int distance=OrderofPriority(Character); // 判断轻重缓急

int direction=GetInput(keyboard);

ChangeDirection(direction, distance); // 在距离distance处转向

}

}

一个可能的轻重缓急算法是

int OrderofPriority(int Character)

{

int type=rand()/2; // 轻和重 缓和急是个随机产生的情况 这是客观世界的真实反应 游戏世界也是一样的

switch(type)

{

int min=GetMinimum(); // 测出物体中心到前端的距离的最大值即碰撞距离 不碰撞只要大于它就行了 比如可以略大于它 也可以+1 +2 +5厘米或者加个随机数

int senmin,senmax;

GetDistanceSensitivity(Character,senmin,senmax); // 得到角色的最小最大距离敏感度 一个查询数据库的函数

case 1: // 轻/缓

return min+(rand()/0.1~1)+senmax; // 大于碰撞距离小于等于角色最大距离敏感度并略有出入的随机数 或者其它可自定

break;

case 2: // 重/急

return min+(rand()/0.1~1)+senmin; // 大于碰撞距离小于等于角色最小距离敏感度并略有出入的随机数 或者其它可自定

break;

}

}

第二个真实打斗 主要用在怪物和敌人与角色打斗/战斗 这个函数主要是随机数加上一些三十六计计谋即可 如

int RealFighting()

{

int type=rand()/50; // 计谋中的一种 包括连环计 计中计

switch(type)

{

case 1:

声东击西();

break;

case 2:

围魏救赵();

break;

case 3:

四面楚歌();

火上浇油();

break;

......

}

}

甚至还可以写出复合体及变体

提到游戏中人工智能 很多时候都是个随机数问题 因为自然界中的事都是随机发生的 当然到了虚拟世界里面 各种事情也是个随机性的 恰好有rand()函数能很好的解决这一问题

欢迎转载