MOBA英雄AI设计分享

目录

MOBA英雄AI设计

1  设计概要

1.1 设计原则和目的

1.2 设计思路

2   名词解释

3   行为树实现

3.1行为树脑图

3.1.1购买道具

3.1.2濒死逃亡

3.1.3 Gank战术行为

3.1.4推兵线

3.1.5执行AI行动指令

3.2 AI事件响应

3.2.1英雄躲避塔的攻击

3.2.2全局GankAI

3.2.3救援塔

3.2.4兵线分布调整

3.3 Gank详解

3.2.1 Gank行为基本设定

3.2.1技能伤害量化

3.2.1 GankTarget选择

4       总结

1       设计概要

1.1       设计原则和目的

英雄AI的目的主要有:

1.新手过渡局,让玩家刚进入到游戏时,和较弱电脑对战,培养成就感,避免尚未熟悉游戏导致的挫折流失。

2.人机对战,给玩家练习新英雄或者挑战高难度电脑的机会。

3.温暖局,对连败玩家,匹配机器人去补偿一场胜利,舒缓连败挫折。

4.掉线托管,用强度合理的AI来补位掉线玩家,减少其他在线玩家的掉线局有损体验。

英雄AI的设计原则是:优秀的AI并不要求是尽量的和人表现一致,也不是多么的精准和无懈可击,而是能够和玩家进行很好的交互,提升游戏体验。

1.2       设计思路

我们的AI实现分为四个阶段,正好类似于玩家的成长。

第一阶段是基本战术AI,主要包括:混线,买装备,逃避危险,回城,补兵。是一种单兵作战AI。模仿新手玩家的刚刚开始学习操作。

第二阶段是增加一些事件响应用来控制英雄的走位和换线,包括敌塔下撤退,救援己方塔,包括抱团。模仿玩家已经开始渐渐了解塔的属性,初步开始与其他玩家合作。

第三阶段是协同战术AI,该AI周期性的判断是否应该果断出击打出一波局部进攻。它会在比较短的时间内控制局部范围内的单位一起行动,会有走位,配合使用技能等较细致的行为,是一种小团队AI。模仿玩家已经开始熟悉所有英雄,微操提升,对Gank略有心得。

第四阶段是战略AI,整体协调全部玩家在地图上的分布,野区,兵线。模仿玩家已经有较强的团队意识,会分工和配合了。

2       名词解释

1.  单体战术AI:每个英雄都会配备自己独特的战术AI,此AI将实现战斗细节,比如英雄何时该释放技能,对谁释放;如何走位规避风险或者形成Gank优势站位;怎么补兵;购买贩卖何种道具;何时追击何时逃跑等等。

2.  全局AI:全局AI是一种综合考虑场上所有战斗因素之后对单体发布指令的控制器。全局AI所关注的事情主要有:兵线英雄的分布,Gank发动时机,逃避危险,救援建筑。全局AI是通过给单位添加指令buff和修改单体战术AI的参数来实现的。

3.  AI参数:我们将尽可能的暴露出AI的各种行为参数,并通过AI参数来控制电脑的AI难度强度。高难度AI,意味着它优先使用较高收益的战略。而低难度AI则可以选择比较低收益的战略。我们的不同难度AI是通过修改AI的一系列参数来实现的。

4.  行为树:树形结构的行为流程处理,每个Tick到来时,行为树按照一定的规则进行搜索和执行相应节点,直到到达某个返回true的叶节点,之后结束当前Tick。

5.  Gank 小组:Gank小组是一个动态的局部的概念,当我方英雄A周边有敌对英雄时,英雄A就是属于某个Gank小组的,Gank小组的其他成员必须和A距离很近。

6.  Gank 行为:Gank行为是一种对集体行为的模仿,其本质仍然是单体AI,但Gank发动时机是通过全局AI来控制的。处于Gank状态的机器人会表现出与单体行动很不一样的行为,比如坦克可能宁死也不撤退,ADC优先释放控制技能。

3       行为树实现

3.1行为树脑图

    行为树脑图是一个多叉树,各个父节点的所有子节点节点按照从左到右、从上到下的顺序逐个检测,只要返回True了,之下的节点都不再执行。灰色注释为节点执行的先决条件,灰色节点不满足则直接返回False。脑图中的

对应着行为树中的Selector节点。

    行为树工具基本思想都一致,但使用起来还是有较大差别的。常见的是Unity3D的BehaviorDesigner插件,虚幻四自带的行为树组件,公司内部的Behaviac。我最喜欢的是BehaviorDesigner,学习时还是推荐Behaviac,传送门:http://www.behaviac.com/language/zh/%E9%A6%96%E9%A1%B5/

原因比较简单,只有它是中文。

英雄AI行为树脑图

这是一个尚未展开的行为树,每个超链接都对应一个子树,会逐个展开来讲解。

3.1.1购买道具

购买道具

英雄购买道具需要提前写好英雄对应的阶段道具设置。

比如:

出装流程

每隔一段时间检测一次金钱是否可以买卖下阶段的道具。

3.1.2濒死逃亡

濒死逃亡

3.1.3 Gank战术行为

Gank战术行为

每个英雄都需要单独编写此子树。首先搜寻最优攻击目标,而后检测是否能用技能组合一次秒之。

最优技能释放目标搜索

满足以下条件的单位应该优先被锁定:

1.HP较低

2.AP或者MP较高

3.物理或魔法护甲较低

4.处在友方其他英雄攻击范围内

我们可以使用如下计算公式(本文里面的任何公式都不一定是最优解的,但都满足定性的设计要求):

其中a,b为参数,AllyNearBy为敌方英雄600码内我方英雄数量,每增加一个盟友,敌人的诱惑程度增加b。推荐参数值a=0.7, b=0.3

技能是否使用只对最优释放目标进行考虑。

3.1.4推兵线

推兵线

英雄磨血节点需要考虑收益,计算公式:

收益值要考虑率较多因素,包括敌我双方血量,敌方英雄的同盟单位,收益值可能为负值。

3.1.5执行AI行动指令 

AI行动指令一般都是通过行为树之外的全局AI脚本来产生,并通知给AI行为树。常见的使用方式是,用一个全局AI脚本来产生各种指令,将指令传递给行为树,实现全局AI控制单位。 

3.2 AI事件响应

3.2.1英雄躲避塔的攻击

避免英雄冲塔行为。

3.2.2全局GankAI

周期计算Gank形势。通知AI是否该Gank或者集体逃亡。

3.2.3救援塔

当塔受到攻击时触发,用来产生AI指令,控制AI行为。

3.2.4兵线分布调整

当游戏运行时间超过6分钟时,AI要开始抱团,强推一路,之后每三分钟都要进行一次抱团检测。

兵线危机值计算:

兵线局势需要考察的因素:英雄数量,士兵数量,塔的数量,前塔的HP,推荐公式:

其中a,b,c为参数,Lane表示兵线1,2,3。对应10v10游戏推荐参数设置:a=8, b=2, c=6, d=0.2,e=20

兵线危机值可以是负值,危机值越高则兵线越危险,值越低则兵线越安全。我们每10秒计算一次兵线危机值,根据兵线的状况来决定是否援助和抱团。

抱团是一个较为稳定的行为,我们设定每次防守抱团之后都要锁定切换兵线行为3分钟,进攻抱团锁定2分钟。

从另外两条兵线抽调英雄到最危险兵线。派遣数量服从规律:抽调后兵线上 我方英雄数目/敌方英雄数目>0.65(参数),尽可能多抽调英雄,但也确保不会让被抽调的兵线变得很不安全。派遣数目可以是0,表示全线吃紧,每条兵线都无法抽调英雄去支援其他兵线。初期,每条兵线最少也要保留一个英雄。

3.3 Gank详解

3.2.1 Gank行为基本设定

首先要明确几个设计前提:

1.Gank行为优先级要高于单体行为优先级,或者说,Gank行为执行期间会屏蔽掉大多数单体AI行为。

2.Gank行为需要考虑到局部范围内(比如说整个屏幕)所有单位(包括敌方),而后控制所有我方英雄一起行动。

3.Gank AI控制下的机器人可能会表现出和单体AI完全不一致的行为,比如肉可能直接冲到敌人人堆中,吸收仇恨,至死方休;ADC和APC最优先的策略可能不是输出,而是控制;部分机器人输出伤害优先级要高于逃避危险。

4.Gank行为并非常态。达成一定条件之后才会触发。比如某个时刻敌我力量对比呈现一边倒

Gank小队的生成

Gank是局部小团队行为。必须考察周边敌我英雄和塔的个数,英雄和塔的潜在杀伤。Gank是个局部行为,只有距离很近的那些单位才会被认为是处于同一个Gank小组内。Gank小组是个动态变化的单位组。需要每隔一段时间重新生成一次。

生成方案:

    寻找Gank中心英雄,Gank中心英雄只是根据位置搜索产生的,并不意味着它们会在Gank中处于核心地位。每隔一个周期(2秒,参数)先遍历某阵营场上全部英雄,统计这些英雄身边敌对英雄的数目。并按照递减顺序排列。身边敌对英雄越多,该英雄越可能处于Gank中心位置。按顺序遍历己方英雄(只遍历身边有敌对英雄的),如果它们还未参与Gank,则以该英雄为中心,在一定半径(2000,参数)内搜索敌我未参与Gank的英雄,将盟友英雄写入Gank小队,并标记它们已经参与Gank了,将敌方英雄写入Gank目标小队(目标小队并不是敌方的实际Gank小队,敌方的实际Gank小队生成方式和我方一致)。如此,所有可能正处于交战状态的英雄就按照区域划分到了不同的Gank小组。

Gank的发起和结束

Gank小队是动态生成的,每一时刻Gank小队都是存在的,但发起Gank行为是需要条件的。

每隔一段时间要检测一下Gank小队的实力对比.

1.  如果我放Gank小队实力明显强于目标敌方小队,则发动Gank,并锁定5(参数)秒。Gank期间英雄优先执行Gank AI,屏蔽掉单体行为。Gank结束锁定后。重新生成Gank小组,重新判断形势,决定是否发起新的Gank。

2.  当我方Gank小队实力明显弱于敌方时,集体执行撤退到己方前沿塔。但并不进入Gank行为。

3.  均衡局面,如果有敌方单位可秒(可秒的含义是,gank小组的输出期望是目标单位hp的1.6(参数)倍),则立刻发动Gank。否则调整我方站位,综合防御最强的英雄位置保持不变,脆皮远离敌小队中心,但不能离开坦克超过(1000参数)。调整站位是单体AI行为,战略AI通过参数来控制单体行为(发送指令buff,发送目标位置)。

3.2.1技能伤害量化

如果希望AI精准的释放技能,量化技能伤害是至关重要的。并不是所有技能都是直接立即伤害的,AI要怎么理解自己的被动技能和buff技能?

我们做的处理是:

  • l  默认在一次Gank周期中AI可以普通攻击三次,或者5秒。
  • l  将被动技能,比如暴击和加速之类的,直接量化为三次攻击或5秒攻击中的伤害收益。
  • l  晕眩技能根据晕眩时间量化成额外伤害百分比。
  • l  辅助技能仅仅起加强队友作用的,伤害量化为0

当技能全部量化成具体数字之后,就能计算每个英雄在单次Gank中的伤害输出期望值了。

英雄威胁值

我们用英雄威胁值来表征英雄在单次Gank中的伤害输出期望值。

威胁值的计算:

首先遍历场上所有英雄,根据英雄技能等级和CD状态预估出来技能的三种伤害(物理,魔法,真实)数据。

对峙双方如果威胁值总和差别很大(参数60%),则认为非均衡局面出现。优势一方会立刻发起Gank,进入团战模式。而劣势一方会立刻进入集体撤退状态。

威胁值相差不是很大时,英雄表现为单兵行动。此时威胁值的主要作用是敌对目标选择。

3.2.1 GankTarget选择

GankTarget的选择方式——寻找最具吸引力的敌方单位,改进版的吸引力公式:

这个公式综合考虑的因素有:敌人是否高AD或者高AP?物理护甲和魔法护甲如何?当前血量?我方集火的情况下,伤害总输出能杀死他几次?

最大吸引值得敌方英雄会成为Gank小组的共同目标

4       总结

在本文中,我们按照从零开始逐步展开,完整描述了MOBA英雄AI的设计流程。限于篇幅,我们仅仅描述了最核心的框架,诸多细节都未展开。在手游 MOBA《全民超神》项目中,按照这个框架,我们在短短一个月时间内就实现了英雄AI。

本方案原创了两个核心设定:Gank和技能伤害量化。

Gank的设定让AI能够有效的躲避危险,也能很精准的捕捉战机,完成很多让人赞叹的绝妙击杀。

伤害量化,让AI理解自己技能的特性。对AI行为收益优化帮助很大。

这是笔者经典AI设计三部曲的第一部。

第二部:经典FPS游戏AI设定,以及结合MOBA和FPS特性的类守望先锋游戏的AI设计构想。

第三部:吃鸡AI,大型开放世界射击游戏AI设计【未完待续】

【尊重原创,转载请标明出处。如对本文有意见建议,可以联系作者QQ:81724804】

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

3 条评论
登录 后参与评论

相关文章

来自专栏陈湘玲的专栏

生儿育女的算法应用

有没有设想过,生活中突然多了个孩子会是什么体验? 如何更好Handle新身份,用科学的理论武装自己? 不妨看一下这篇不像攻略的攻略,探索新领域带来的乐趣。

1.5K5
来自专栏AI科技评论

FPGA 性能出众,那么它能取代CPU和GPU吗?

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,雷锋网将发布“人工智能&机器人Top25创新企...

3096
来自专栏牛客网

热乎乎的VIVO一面二面面经;JAVA开发

【每日一语】现在不是去想缺少什么的时候,该想一想凭现有的东西你能做什么。——海明威《老人与海》

613
来自专栏编程

电工学PLC编程的入门建议

十年前,刚开始使用PLC时,也是一头雾水。仗着自己对硬件、工程知识的熟悉,和对组态软件的粗浅了解,硬着头皮接下了任务。当时已经来不及接受培训,相关资料极其缺乏,...

17610
来自专栏非著名程序员

慎入:面试中的鸡汤和毒药

注意左边白色和右边黑色,一定要对比着读才行。一定要先读一段左边白色,再接着对应着读右边黑色的一段。这样看你才能深刻体会到这个鸡汤和毒药的感觉。

502
来自专栏牛客网

蚂蚁金服内推三面

【每日一语】人类的努力应该是没有边界的,我们千差万别,不管生活看上去有多糟糕,总有你能够做的事情,并且能够成功。有生命的地方,就有希望。——《万物理论》

631
来自专栏张叔叔讲互联网

江苏省初中信息技术八年级 -张叔叔一文读懂

今天张叔叔给大家讲讲江苏省八年级信息技术教材内容,之前的七年级教材讲解收到了热烈欢迎,在此感谢所有的读者们,也希望大家积极转载,为社会主义建设添砖加瓦!

1054
来自专栏机器之心

深度揭秘谷歌TPU2机器学习集群:新一代的「谷歌云TensorFlow处理单元」

选自The Next Platform 作者:Paul Teich 机器之心编译 参与:Nurhachu Null、黄小天 在最近的 2017 Google ...

3519
来自专栏腾讯技术工程官方号的专栏

FPGA异构计算芯片的特点

作者介绍:架构平台部四级专家,先后从事通讯设备的开发和存储设备的研发工作。目前致力于一体化的设计-硬件和软件的结合,以及OS多个层面综合考虑系统设计,找出最优路...

31710
来自专栏牛客网

【2018秋招iOS面试总结】(渣渣本科生)

本人是非985211学校,非计算机专业,技术一般,基础较差。 最开始秋招的时候,一线互联网基本上都投了,但是很多都被刷了,有的是刷了学校,有的是刷了四级(我四级...

3649

扫码关注云+社区