（一）基本追蹤ai
實現原理：當追蹤者的x、y座標分別小於被追蹤者的x、y座標事，追蹤者的x、y自增
當追蹤者的x、y座標分別大於被追蹤者的x、y座標事，追蹤者的x、y自減
假設追蹤者的座標是predatorx和predatory，被追蹤者的座標是preyx和prey，基本追蹤的演算法 如下
```
if(predatorxpreyx)
predatorx++;
if(predatorypreyy)
predatory--;
```
（二）向量追逐
一種易於實現視線追逐的方法是，將追蹤者的方向向量設定為，從追蹤者的中心到被追蹤者的中心所定義的方向向量（下圖中的dd）
向量追蹤的基本演算法如下
計算從追蹤者到追蹤目標的向量
dd=(aimx-xpos,aimy-ypos);
將dd歸一化
dd=dd/vector_len(dd);
調整追蹤者當前的速度向量，可以加乙個rate按比例縮放
xpos+=dd.x*rate;
ypos+=dd.y*rate;
攔截主要考慮的是攔截點的計算
攔截點不是被追蹤者路徑上離追蹤者最近的點
攔截點的計算需要考慮到讓追蹤者和被追蹤者同時到達某一點
為了讓追蹤者和被追蹤者同時到達某一點，必須考慮他們之間的相對速度。對被追蹤者的速度需要通過檢測它在兩幀之間的位移來計算，應為他的速度是實時變化的，所以攔截點也是實時變化的
攔截的基本演算法如下
計算兩幀之間被追蹤者的速度vprey
計算追蹤者與被追蹤者之間的速度差（靠攏速度）vr=vprey-vpredator
計算靠攏距離sr=sprey-spredator
計算靠攏時間tc=||sr||/||vr||
計算攔截點st=sprey+(vprey)*tc
計算追蹤者的位移
計算追蹤者與攔截點的相對距離
s=st-ppredator
調整追蹤者的速度
vpredator=s/tc
計算追蹤者的位移
ppredator+=vpredator*fdeltatime
遊戲中幾種概率設計
遊戲中常見的4種概率設計 1 常規做法，直接配置概率，程式直接判定 2 在1的基礎上，加個保底次數，當連續不發生的次數高於保底時，強制發生 3 設定基礎概率，事件不發生概率翻倍 4 設定陣列，將事件發生概率變成陣列元素 設定預計平均發生概率為1 20 20次發生1次 模擬10w次方案1 3後得結果 ...
遊戲AI之RTS遊戲中目標指引推理的經濟學方法
一 目標指引推理 在乙個目標空間中進行推理可以採用兩種方法 從初始狀態開始的正向推理 或者從目標開始的反向推理。由於在rts遊戲中，任一狀態都有大量的走法，所以反向推理顯得更為高效。很多時候，目標是無法直接達到的，這個時候就需要將目標分解成無數小的目標，依次實現。二 效用模型 在對目標進行分解後，需...
遊戲中的指令碼
現在遊戲裡流行的指令碼有python 和lua 例如魔獸世界就是用lua指令碼來驅動邏輯的。我們為什麼用指令碼，而不是純用c 呢？當然，這與團隊協作以及工作效率有關。c 編譯速度不佳，當乙個專案達到比較龐大的乙個規模時，編譯的時間往往會讓人憤怒了。於是，python出現了。一些重要的演算法實現，圖形...