问游戏中的人工智能软编码

EN

一些人工智能技术是非常密集的CPU，这种启发式的宽度优先或深度优先搜索，这有助于自己的许多战略游戏。

这样的搜索将要求您建立API，以便检索当前的“状态”(游戏状态的完整表示)，并列出来自该状态(或任何状态)的所有可能的移动/更改，以及每个移动/更改将导致的新状态。

一旦您这样做了，任何算法都可以进行适当的API调用，以查看哪些状态可以移动到哪些状态，哪些状态可以从这些状态移动到什么状态，等等。可以到达的状态将以指数级增长，您试图向前看的动作越多，即使是2次移动对计算机来说也可能是一项可怕的任务。

由于这一困难，启发式分数被用来评估跟随某些分支的可能有用性，因此搜索算法可能会立即从当前状态丢弃90%的第一步可能的移动。

遵循这种模式获取状态、评估状态并查看从状态到后续状态的可能移动/更改的AI，显然可以对AI进行软编码，但是AI为启发式地得分状态所做的事情可能是任何事情，而您的软代码就像一种迷你语言。就个人而言，除非你想要实现一种迷你语言，否则这是一种非常艰苦的工作方式。此外，您的软代码将需要某种解释，这可能会使它比代码慢一倍，或者比代码慢10或100倍……任何指数级的困难技术都意味着性能是非常重要的。如果选择的AI方法不是指数难度或简单难度，那么可以使用软代码，但仍然需要实现一种迷你语言。

当然，您可以实现一个AI作为一个单独的程序，通过网络与您的游戏程序通信。这可能只是本地主机到本地主机，但它当然不需要。这种性能在某种程度上取决于网络延迟和带宽，但它可能是一个重要的问题，也可能不是一个重要的问题。

您还可以将AIs实现为可动态加载的库(例如，您的游戏可能会查看某个文件夹，查看一堆lib文件，并尝试在运行时加载它们(例如，在UNIX中使用dlopen() )。然后，你可以在任何时候投递新的认可机构，而不涉及游戏本身。如果您的主要要求是在性能重要的地方拥有插件，并保持性能，这可能是一条路。