摘要：本文介紹了常用游戲AI技術(shù)，總結(jié)了游戲A1的設(shè)計(jì)原則，并提出了游戲A1的發(fā)展趨勢,

　　人工解能（簡稱AI）是一門綜合性學(xué)科，目在研究如何利用計(jì)算機(jī)等現(xiàn)代化工具種系統(tǒng)來

　　模仿人類的智能行為。游戲中的人工智能（簡稱游戲AI）可以理解為所有由計(jì)算機(jī)在游戲中所

　　做的“思考”，它使得游戲表現(xiàn)出與人的智能行為、活動(dòng)相類似，或者與玩家的思維、感知相

　　符合的特性。在電腦游戲的設(shè)計(jì)和開發(fā)中應(yīng)用人工智能技術(shù)，可以提高游戲的可玩性，改善游

　　游戲人工智能是人工智能科學(xué)技術(shù)領(lǐng)域一個(gè)新興的、活躍的學(xué)科分支，是計(jì)算機(jī)游戲和人

　　工押能相結(jié)合的產(chǎn)物。人工押能是近幾年游戲業(yè)界的焦點(diǎn)所在，隨著人工智能理論研究的進(jìn)展，

　　許多現(xiàn)代游戲都具有了很多的御能成分。而采用大量的游戲人工押能顯然是使你的游戲鶴立雞

　　群的重要手段0—，高質(zhì)量的游戲AI己經(jīng)不再是為提高游戲運(yùn)行速度才予以考慮的東西，它現(xiàn)

　　在已是和圖形或聲音一樣，成為游戲設(shè)計(jì)過程的極為重要的一個(gè)部分，它是促進(jìn)還是阻礙游戲

　　產(chǎn)品暢銷的一個(gè)決定性因素山。口前，越來越多的游戲公司宣稱他們的游戲開發(fā)項(xiàng)日中包括至

　　少一名專業(yè)AI程序員，而越來越多的游戲開發(fā)者止竭盡所能研究新的AI技術(shù)，以藉此構(gòu)筑更好、

　　更聰明的游戲AI。他們想要探索新的理念，使AI技術(shù)進(jìn)入下一代,到那時(shí)，AI不僅是要?jiǎng)?chuàng)造有

　　趣的游戲?qū)κ郑鳫還要使這個(gè)對手能夠與玩家交談，能和眾多的在線冒險(xiǎn)家周旋，能在一個(gè)

　　一個(gè)的游戲中不斷學(xué)習(xí)，使它在下一輪的游戲中變得更加聰明機(jī)智。H前，游戲開發(fā)中的人工

　　智能正處于一場革命Z中，人工智能的迅速發(fā)展必將推動(dòng)整個(gè)游戲產(chǎn)業(yè)的飛速發(fā)展。

　　電腦游戲中的人工智能從功能上可分為個(gè)體智能系統(tǒng)和群體智能系統(tǒng)。個(gè)體智能系統(tǒng)主要

　　控制游戲世界中虛擬人物的活動(dòng)，它們在游戲中充當(dāng)非玩家的各種角色，包括?玩家的敵人、合

　　作伙伴和其它人物角色等。對于這些類型的實(shí)體，要想比較真實(shí)地對它們進(jìn)行模擬，必須通過

　　人工智能控制它們的行為符合它們各自特定的身份。群體智能系統(tǒng)則主要為某個(gè)系統(tǒng)的多個(gè)個(gè)

　　體或者環(huán)境活動(dòng)提供控制和輔助決策。例如，戰(zhàn)略游戲屮的戰(zhàn)斗形勢判斷、整個(gè)戰(zhàn)斗策略推理、

　　n前，大部分電腦游戲都使川了人工智能，作為游戲的核心，人工智能能提供更多、更為

　　真實(shí)的游戲挑戰(zhàn)，激發(fā)玩家的興趣。另外，人工智能在游戲可玩性方而往往也起著決定性因素，

　　把人工智能應(yīng)用于游戲中，會使玩家感覺到游戲中的人物行為具有令人信服的合理性,從而吸引

　　感知輸入子系統(tǒng)：它是游戲AI系統(tǒng)的最基本部分。所有AI系統(tǒng)都必須能感知它們丿制圍的

　　此界，才能使用這些信息作進(jìn)一步的推理和分析。周圍世界中哪些信息在何種程度和范圍內(nèi)被

　　記憶存儲子系統(tǒng)：它負(fù)責(zé)將所有感知的信息、數(shù)據(jù)和知識等，以合適的方式在計(jì)算機(jī)內(nèi)表

　　達(dá)和存儲。游戲中感知數(shù)據(jù)和知識的存儲是一個(gè)較為復(fù)雜的過程，很多數(shù)據(jù)并不是按一種直接

　　分析推理子系統(tǒng)：它使游戲AT系統(tǒng)的核心。它通過感知到的數(shù)據(jù)和存儲記憶體中的知識分

　　析當(dāng)前的狀況，并做出一個(gè)合理的決策。做出決策的快慢取決于可選擇的決策數(shù)目的多少,以及

　　決策行為子系統(tǒng)：它主要負(fù)責(zé)把計(jì)算機(jī)做出的各種決策和行為，作用到游戲世界中的人物

　　介色上。在游戲開發(fā)屮，人工智能最終都要通過各種動(dòng)作、行為和反應(yīng)表現(xiàn)出來，這樣玩家在

　　人工智能是多種智能技術(shù)的組合體，在電腦游戲中，每一種技術(shù)在游戲中都有較固定的應(yīng)

　　通常，這類系統(tǒng)描述了一個(gè)事件驅(qū)動(dòng)系統(tǒng)模型，易于規(guī)則表達(dá)。一般的，狀態(tài)機(jī)町以用狀態(tài)轉(zhuǎn)

　　移圖的方式描繪。其中的節(jié)點(diǎn)表示不同的狀態(tài)，不同狀態(tài)Z問由于觸發(fā)條件而發(fā)牛轉(zhuǎn)換，用弧

　　線表示。狀態(tài)轉(zhuǎn)換的條件寫在弧線上方，旁邊是當(dāng)轉(zhuǎn)換發(fā)牛時(shí)的可能輸出。圖2為吃豆游戲《Pac.

　　有限狀態(tài)機(jī)在游戲中可以構(gòu)成管理游戲世界(Gameworld)的基礎(chǔ)，模擬NPC的情緒狀態(tài)⑶，

　　維持游戲的狀態(tài)，分析玩家的輸入，或者筲理對彖的狀態(tài)。就有限狀態(tài)機(jī)的實(shí)現(xiàn)上，文獻(xiàn)⑷給

　　出了-?個(gè)有限狀態(tài)機(jī)的C++類實(shí)現(xiàn)。此外，山于狀態(tài)機(jī)的濫用，可能導(dǎo)致程序可讀性差，調(diào)試

　　困難，性能下降。針對這個(gè)問題，StcveRabin⑸提出一種以簡單語言來組織有限狀態(tài)機(jī)的魯棒方

　　法。繼而，文獻(xiàn)⑹將該方法拓展，用消息機(jī)制考慮了人工智能對象間通信的問題，包括狀態(tài)機(jī)Z

　　川的模型⑺。這種模型對以實(shí)現(xiàn)不對預(yù)測的行為，即游戲每次都有對能產(chǎn)牛不同的行為結(jié)果，

　　從而為玩家提供更多樂趣，也具有更大的重玩可能性。這也是智能行為的一種表現(xiàn)。

　　模糊狀態(tài)機(jī)的典型運(yùn)用包含NPC或玩家介色的生命值定義，賽車游戲屮汽車的加速與制動(dòng)

　?、?，NPC情緒的模糊狀態(tài)等。文獻(xiàn)⑼給出了一個(gè)通川的C++模糊狀態(tài)機(jī)設(shè)計(jì)。與一般狀態(tài)機(jī)類似，

　　模糊狀態(tài)機(jī)也存在模糊狀態(tài)增加而導(dǎo)致的組合爆炸。文獻(xiàn)3提t(yī)BTCombs方法用于解決組合爆炸

　　問題。傳統(tǒng)系統(tǒng)中的規(guī)則通?？紤]輸入集合的紐合同輸出之間的關(guān)系，而Combs則考慮各個(gè)集合

　　腳本語言是一種解釋性語言，通常用于控制游戲中的AT模式。它在游戲中可以驅(qū)動(dòng)事件、為

　　該方法采用實(shí)數(shù)值來表示對象屬于集合的程度。與傳統(tǒng)邏輯相比，模糊邏輯的表達(dá)能力更

　　為豐富和細(xì)致，因而能夠進(jìn)行更好的推理.它常用游戲中的戰(zhàn)略決策，輸入輸出信息的過濾，非

　　決策樹一般都是自上而下的來生成的。每個(gè)決策或事件(即自然狀態(tài))都可能引出兩個(gè) 或多

　　個(gè)事件，導(dǎo)致不同的結(jié)果，把這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。

　　樹決策樹類似于一系列IF-THEN形式的條件判斷。這種技術(shù)在游戲中可用于分類、預(yù)測和學(xué) 習(xí)。

　　神經(jīng)網(wǎng)絡(luò)是一種模范動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分如式并行信息處理的算法數(shù)學(xué)模 型。

　　這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)Z間相連接的關(guān)系，從而達(dá)到 處理信息

　　神經(jīng)網(wǎng)絡(luò)具有初步的口適應(yīng)與口組織能力。在學(xué)習(xí)或訓(xùn)練過程中改變突觸權(quán)重 值，以適應(yīng)

　　周圍環(huán)境的耍求。同一網(wǎng)絡(luò)因?qū)W習(xí)方式及內(nèi)容不同對具有不同的功能。人 工神經(jīng)網(wǎng)絡(luò)是一個(gè)具

　　有學(xué)習(xí)能力的系統(tǒng)，可以發(fā)展知識，以致超過設(shè)計(jì)者原有的知識 水帄。通常，它的學(xué)習(xí)訓(xùn)練方

　　式可分為兩種，一種是有監(jiān)督或稱有導(dǎo)師的學(xué)習(xí)，這時(shí) 利川給定的樣木標(biāo)準(zhǔn)進(jìn)行分類或模仿；

　　另一種是無監(jiān)督學(xué)習(xí)或稱無為導(dǎo)師學(xué)習(xí)，這時(shí)， 只規(guī)定學(xué)習(xí)方式或某些規(guī)則，則具體的學(xué)習(xí)內(nèi)

　　容隨系統(tǒng)所處環(huán)境（即輸入信號情況） 而異，系統(tǒng)可以自動(dòng)發(fā)現(xiàn)壞境特征和規(guī)律性，具有更近

　　遺傳算法是近年來發(fā)展起來的一種嶄新的全局優(yōu)化算法。它借用了仿真牛物遺傳學(xué)和口 然

　　選擇機(jī)理，通過口然選擇、遺傳、變異等機(jī)制，實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的捉高。從某種程 度上

　　遺傳算法對求解問題的木身一無所知，它所需要的僅是對算法所產(chǎn)生的每個(gè)染色體進(jìn)行 評

　　價(jià)。把問題的解表示成染色體，并基于適應(yīng)值來選擇染色體，使適應(yīng)性好的染色體有更多 的繁

　　殖機(jī)會。在執(zhí)行遺傳算法 Z前，給出一群染色體，也即是假設(shè)解，然后，把這些假設(shè)解 置于問

　　題的“環(huán)境”中，也即一個(gè)適應(yīng)度函數(shù)中來評價(jià)。并按適者牛存的原則，從中選擇出 鮫適應(yīng)的

　　染色休進(jìn)行復(fù)制，淘汰低適應(yīng)度的個(gè)體。再通過交叉，變異過程產(chǎn)牛更適應(yīng)環(huán)境的 新一代染色

　　這種技術(shù)試圖直接模擬主物進(jìn)化過程，在一-系列的程序、算法和參數(shù)Z間作出選擇，雜 交

　　以及隨機(jī)的變異和交叉。在游戲中，可用于優(yōu)化、學(xué)習(xí)、策略形成，行為進(jìn)化等方而。

　　另外，其它的AI技術(shù)還有基于范例的推理、搜索方法、情景演算、機(jī)器學(xué)習(xí)等。在智能 游

　　戲中，或多或少地都采用上述的技術(shù)，所獲得的效果也各不相同。其中腳本語言、路徑 搜索、

　　模糊邏輯等技術(shù)己較成熟，而神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等高級技術(shù)尚處于嘗試中。實(shí)踐證 明，有限

　　狀態(tài)機(jī)、決策樹、產(chǎn)生式系統(tǒng)這類簡單技術(shù)在游戲屮最有效并得到了廣泛的應(yīng)川。

　　隨著軟fl更件的發(fā)展，現(xiàn)今的計(jì)算機(jī)游戲的復(fù)雜度已經(jīng)達(dá)到了一個(gè)難以想象的高度。這不 僅

　　表現(xiàn)在游戲程序設(shè)計(jì)上，更表現(xiàn)在夠整合大量的不同的人力資源和數(shù)據(jù)資源的一套完整的 系統(tǒng)

　　上。例如，先進(jìn)的3D圖形技術(shù)提高了游戲世界的細(xì)節(jié)的表現(xiàn)力，導(dǎo)致游戲項(xiàng)目中美術(shù)工 作者所

　　占全部開發(fā)者的比重和游戲屮在程序邏輯 Z外的數(shù)據(jù)部分的肚著增加。這就造成了數(shù) 據(jù)整合工

　　作的困難和游戲復(fù)雜度的相應(yīng)提升。于是游戲引擎的概念應(yīng)運(yùn)而牛：為了減少重復(fù) 開發(fā)工作以

　　降低開發(fā)成木，不同的游戲可以共用相同的游戲引擎。游戲引擎不但提供數(shù)據(jù)整 合、關(guān)卡設(shè)計(jì)

　　的工具，更為編程人員提供了統(tǒng)一的接口，使底層的實(shí)現(xiàn)得到封裝和重用。這 為游戲AI的設(shè)計(jì)

　　提供了基礎(chǔ)，提供了游戲中的角色所能進(jìn)行的行為的一個(gè)層次描述。這里分 層次的的系統(tǒng)設(shè)計(jì)

　　起著亟要的作用。例如，一個(gè)只支持游戲中角色的位置變動(dòng)層次的游戲引 擎，顯然不需要為其

　　角色的肢體行為設(shè)計(jì)人工智能。而即使是提供了低層細(xì)節(jié)（例如程序中 對也色肢體的控制）的

　　游戲引擎，也應(yīng)該可以限定人工智能模塊工作在較高的層次之上（例 如僅僅用AI程序處理角色

　　的位置移動(dòng)），這降低了問題的復(fù)雜度。所以在設(shè)計(jì)為實(shí)現(xiàn)游戲屮 的人工智能 Z前，首先應(yīng)該

　　完成基本的游戲引擎系統(tǒng)的設(shè)計(jì)，明確游戲引擎提供的接口的層 次結(jié)構(gòu)和人工智能設(shè)計(jì)的最小

　　山于具有相似的應(yīng)用環(huán)境，游戲程序可以采用與機(jī)器人的三層軟件體系結(jié)構(gòu)相似的體系 結(jié)

　　構(gòu)。在機(jī)器人學(xué)中，機(jī)器人的軟件體系結(jié)構(gòu)必須決定如何將反映式控制和基丁模型的思 考模式

　　相結(jié)合。反應(yīng)式控制是傳感器驅(qū)動(dòng)的，適合丁?實(shí)時(shí)地制定低層次決策，而思考式控制 適用于

　　依賴于在進(jìn)行決策的時(shí)候不能感受到的信息的全局控制決策?；旌象w系結(jié)構(gòu)將反應(yīng)與 事先思考

　　相結(jié)合。而最為流行的混合體系結(jié)構(gòu)是三層體系結(jié)構(gòu)，它由一個(gè)反應(yīng)層、一個(gè)執(zhí)行 層和一個(gè)思

　　考層組成。反應(yīng)層為機(jī)雅人提供低層次的控制，具有緊密的傳感器一行動(dòng)循環(huán)。 執(zhí)行層接受思

　　考層發(fā)出的指令，序列化以后傳送給反應(yīng)層，起著反應(yīng)層和思考層 Z間的粘合 劑的作用。思考

　　相應(yīng)于機(jī)器人的三層體系結(jié)構(gòu)，整個(gè)游戲引擎中實(shí)現(xiàn)的接口可以劃分為低層接口、中層 接

　　口和高層接口三層。除了像在機(jī)器人軟件休系中，區(qū)分不同控制和決策層次的作用外，三 層接

　　首先，起到了抽象和封裝程序接口的所川。上層接口對下層接口的調(diào)川是透明的。

　　其次，促進(jìn)項(xiàng)1=1組內(nèi)承擔(dān)不同開發(fā)任務(wù)的開發(fā)者明確分工和協(xié)同工作。圖像和音效等的 底

　　層實(shí)現(xiàn)、人工智能算法的實(shí)現(xiàn)、動(dòng)畫數(shù)據(jù)的整合、高層游戲邏輯的編寫等等，每一項(xiàng)工作 都明

　　確的位于一個(gè)唯一的層次中。這在常常包含上百人的大型項(xiàng)目中，對于開發(fā)工作的紐織 和管理

　　是非估必要的，因?yàn)椴粌H設(shè)計(jì)者、美術(shù)工作者、程序員等需要明確分工，程序員內(nèi)部 更是如此。

　　低層接口主要提供基本的3D演染、物理計(jì)算、角色的運(yùn)動(dòng)控制和角色動(dòng)畫系統(tǒng)，這其中 與

　　人工智能密切相關(guān)的是角色的運(yùn)動(dòng)控制和角色動(dòng)畫系統(tǒng)。低層接口的運(yùn)動(dòng)控制，是最基本 的操

　　作，它僅是對角色的位置和初向的控制，與角色的屈性沒有關(guān)系。而為角色的屈性相關(guān) 的運(yùn)動(dòng)，

　　如速度、加速度的實(shí)現(xiàn)，甚至是一些高層的運(yùn)動(dòng)行為（例如，一輛汽車，它的速度 的方向必須

　　與其朝向一致，而速度方向的改變，只能依靠側(cè)向的轉(zhuǎn)向力）的實(shí)現(xiàn)，是屮層接 口實(shí)現(xiàn)的任務(wù)。

　　角色動(dòng)畫控制提供對動(dòng)畫序列的調(diào)用與混合，完成逼真對信的角色動(dòng)畫。同樣底層接口 的

　　動(dòng)畫控制是對單個(gè)動(dòng)畫序列的操縱，不應(yīng)包含任何邏輯上的動(dòng)畫序列的組織，那是中層接 口的

　　中層接口通過利用低層接口提供的運(yùn)動(dòng)和動(dòng)畫控制功能，實(shí)現(xiàn)角色更高層次行為的接口 功

　　能。例如用戶可以通過屮層接口的調(diào)用來控制角色從一個(gè)地點(diǎn)行走到另一個(gè)地點(diǎn)，而行走 過程

　　中的角色動(dòng)畫，正是調(diào)用低層接口實(shí)現(xiàn)的，而其實(shí)現(xiàn)對于低層接口的用戶（即中層接口 的實(shí)現(xiàn)

　　可以規(guī)定只有高層接口包含人工智能算法的實(shí)現(xiàn)，即AT程序員只能調(diào)用中層以上的接 口。

　　例如一個(gè)高層接口的調(diào)用，可以控制角色向敵人攻擊，而攻擊過程中的行動(dòng)、戰(zhàn)術(shù)（是 從正而

　　進(jìn)攻，還是從側(cè)而包抄？使用步槍，還是使用手雷？）等，正是通過具體的人工智能 算法，調(diào)

　　高層接口可以提供給關(guān)卡設(shè)計(jì)師，來完成游戲?qū)嶋H內(nèi)容的創(chuàng)建。這些接口往往包含較少 的

　　程序邏輯控制，可以供非程序員的設(shè)計(jì)人員使用，這通常需要實(shí)現(xiàn)某種簡單的，或接近自 然語

　　言的腳本語言。有些游戲引擎其至提供圖形化的工具來方便這一工作，這樣，項(xiàng)目中的 非編程

　　游戲AI設(shè)計(jì)主要解決游戲屮具有挑戰(zhàn)性的問題，如模擬某個(gè)角色的行為、軍隊(duì)找路、進(jìn) 攻

　　和防御、建筑布置、危險(xiǎn)估計(jì)、地形分析等。這些行為具有人類的特征，在設(shè)計(jì)時(shí)，應(yīng)遵 循以

　　在設(shè)計(jì)游戲AT吋，應(yīng)根據(jù)自己玩游戲的想法去初步設(shè)計(jì)出游戲人物的各種決策和行為， 并

　　實(shí)現(xiàn)一個(gè)大致可以運(yùn)行的系統(tǒng)，然后讓游戲角色和玩家對抗，并通過不斷重復(fù)以下步驟完 善游

　　通過這樣不斷嘗試和反復(fù)修改，使游戲A1具有相當(dāng)?shù)木€. 使游戲AI 具有靈活性和開放性。

　　游戲AI能根據(jù)不同游戲角色的個(gè)性對上述規(guī)則排序，確定決策行為。如游戲角色的攻擊 力

　　很強(qiáng)，那么四條規(guī)則的排序?yàn)椋築>

　　D；如果為了避免遭到敵人的圍攻，則規(guī)則就成為： D>

　　AO

　　因?yàn)槿绻艉蠹词箤橙藫魯溃矔谙乱粌蘸媳黄渌臄橙藝?，這樣應(yīng)不會 作出進(jìn)攻的

　　首先，游戲A1需要真實(shí)，玩家在游戲屮的一舉一動(dòng)都希栗盡可能地貼近現(xiàn)實(shí)生活。例如, 籃球

　　運(yùn)動(dòng)中如果進(jìn)攻隊(duì)員受到嚴(yán)密的防守，可能會由于牛氣而出現(xiàn)進(jìn)攻動(dòng)作較大其至進(jìn)攻范 規(guī)。只

　　另外，游戲A1需要在挑戰(zhàn)性和娛樂性之間找到帄衡，因?yàn)橛邢喈?dāng)一部分玩家是為了放松 而

　　玩游戲。玩家在玩游戲時(shí)，也希望面對的 AI行為也會像人一樣犯錯(cuò)誤，九游娛樂-官網(wǎng)app如把武器掉在地上, 射

　　擊時(shí)沒有打中目標(biāo)等，從而降低這類游戲的挑戰(zhàn)性，使玩家得到更多的樂趣。如果游戲角 色具

　　游戲AI應(yīng)能合理地區(qū)分個(gè)體智能和群體智能。如在足球游戲中，當(dāng)球隊(duì)進(jìn)攻吋，對于有 球

　　隊(duì)員來說，它在每一瞬間是帶球突破，述是射門，述是傳球，都會受到游戲AI的控制。如 果游

　　戲開發(fā)時(shí)只注重個(gè)體 AI，則隊(duì)員不會傳球，則在一定程度上會失去群休運(yùn)動(dòng)的意義。Iflj 合理

　　的情況應(yīng)是每個(gè)球員能較為聰明合理地分析球場上瞬息力變的賽況，通過不斷分析，并 迅速地

　　調(diào)整它的行為而得以使比賽向更有利的方向發(fā)展。群體運(yùn)動(dòng)游戲更注重群體智能的開 發(fā)，它賦

　　游戲AI的簡潔性是指用盡量少的資源去造成游戲智力水帄高超的假象。游戲A1在實(shí)現(xiàn) 時(shí)，

　　算法越復(fù)朵，計(jì)算越多，處理器的壓力就會越人，從而會降低游戲屮動(dòng)畫幀的刷新頻率, 并拖累

　　AT的活力和整個(gè)游戲的吸引力。因此，在游戲的設(shè)計(jì)和實(shí)現(xiàn)上，可針對不同類型的游 戲人物，

　　分別采用不同的技術(shù)路線模擬。対于行為簡單的游戲角色，可使用簡小的確定性 AI 技術(shù)；對于

　　需要一點(diǎn)智能行為的次要角色，可以對其設(shè)定幾種模式，并加上一點(diǎn)隨機(jī)的因素 擾動(dòng)即可，對

　　于比較重要的角色，可以使用有限狀態(tài)機(jī)技術(shù)，并借助條件邏輯、概率、以及 狀態(tài)冋溯等技術(shù)

　　控制狀態(tài)的遷移；只有對最重要的游戲人物，才需要利用一切可以利用的AT 技術(shù)。

　　游戲AI的下一件大事就是“學(xué)習(xí)”。游戲上市后，所有非玩家角色的行為，不再事先安 排，

　　游戲玩得愈久，游戲就會更多地演化和學(xué)習(xí)，更具適應(yīng)性。這樣的游戲會跟玩家一起成 長，玩

　　家也難以預(yù)測游戲行為，因此就能擴(kuò)展游戲的牛命周期。游戲會學(xué)習(xí)并演化，造就了 本身無法

　　“學(xué)習(xí)”與“和色行為反應(yīng)”技術(shù)，屬于非定性AI的范圍，這種技術(shù)要花費(fèi)很長時(shí)間開 發(fā)

　　和測試。再者，要了解A1究竟會做什么也很困難，這就使得調(diào)試更加困難。己經(jīng)證實(shí)這些 因素

　　是“學(xué)習(xí)” AT技術(shù)得以廣泛應(yīng)用的巨大障礙。不過這一切都在悄然地發(fā)牛改變。

　　H前，電腦游戲作為一個(gè)產(chǎn)業(yè)在我國已初步形成，它必將帶動(dòng)人工解能技術(shù)的研究。鑒 于

　　[1] 2007年度屮國游戲年產(chǎn)業(yè)年會.2007年屮國游戲產(chǎn)業(yè)調(diào)夯報(bào)告摘要[EB / 0L].

　　[2] 徐菲云.3D場景中的路徑搜索：[電子科技大學(xué)碩士學(xué)位論文].成都：電子科技大學(xué)計(jì)算 機(jī)