遊戲中的人工智慧和我們一般用於大資料或棋盤類的人工智慧非常不同。遊戲中的人工智慧為了方便的控制和體現遊戲演出效果，一般使用較簡單的演算法。
總體而言，遊戲工業中涉及到的人工智慧更多的是有多少智慧型就需要多少人工。下面將羅列出遊戲人工智慧的常用演算法。
尋路dijkstra演算法 最短路徑演算法。遍歷路徑中所有可能的及節點。效率低，沒有啟發式函式。
asta演算法 在靜態網格中尋找最短路徑的演算法。有啟發式函式。
dstar演算法 在動態網格中尋找最短路徑的演算法。有啟發式函式
啟發式函式：是否在尋路的過程中使用一些預估用的函式。
動態靜態網格：我們在尋路的移動過程中，路徑上環境是否會改變。
基於上述的演算法。可以修改出帶層級的尋路，基於網格的尋路。
決策遊戲中的npc決策
狀態機：ai的行為是基於乙個個狀態的。通過改變引數或環境觸發狀態轉移來轉換行動，在維護狀態方面需要大量的人力，單單因為這一點，就限制了狀態機在遊戲中的應用場景。有許多開發者也通過建立層級狀態機降低了維護難度，但不過無法從根本上來改變狀態機難以維護的缺點
行為樹：通過乙個樹形結構圖和特定的篩選節點，執行乙個帶有順序的行為。其樹的節點最有4類，順序，選擇，裝飾，動作。通過組合這4類節點就能製作乙個靈活的ai
模糊邏輯:根據條件，不單純的給出是否，而是給出乙個隸屬度權重的演算法。通常用於避免ai在引數邊緣上的抖動。
經典抖動案例：moba類遊戲中低血量的ai在是否回城和是否繼續攻擊玩家上來回決策不定。直到被玩家擊殺。
goap:goal oriented action planning
目標驅動的行動規劃不僅僅能幫助ai知道做什麼還能幫助其了解如何做。
在這套系統中，每個行動節點，不僅僅包含行動內容，還包括執行行動的可行性及執行完之後的效果。比如裝彈這個動作，他的可行性為，槍膛是否已滿及是否有多餘子彈。結果是填滿槍膛。通過astar演算法能將角色的行動節點串成乙個行動序列，之後，ai就遵循這套行動序列執行對應的動作即可
人工智慧演算法分類
人工智慧演算法大體上來說可以分類兩類 基於統計的機器學習演算法 machine learning 和深度學習演算法 deep learning 總的來說，在sklearn中機器學習演算法大概的分類如下 1 回歸演算法 2 分類演算法 3 聚類演算法 4 降維演算法 5 概率圖模型演算法 6 文字挖掘...
矩陣戰爭遊戲人工智慧演算法分析
矩陣戰爭中的人工智慧演算法詳細解析 矩陣戰爭是邵帝大佬開發的又一款燒腦策略遊戲。其中的人工智慧演算法之強超出大部分人的能力範圍。想知道你為什麼一直ai打敗嗎?請看這篇文章。主要演算法 隨機森林，svm 對戰演算法 樸素貝葉斯 聊天區外交演算法 邵帝的這款遊戲中人工智慧會首先分析棋盤狀態，隨機選取五個...
人工智慧演算法在遊戲中演示
人工智慧是乙個非常具有潛力的分支，顧名思義，它可以通過計算機指令模擬人的行為，在遊戲中的人工智慧就非常地多樣了。對於fps tab rpg stg adv等遊戲，有著不同的人工智慧，但都基於幾種理論 有限狀態機 遺傳演算法 神經網路等。下面我就採用遊戲中最基礎也是最常用的人工智慧演算法來進行演示。我...