如何设计RTS游戏的AI？从《全面战争》系列说起（上）
发表于2018-02-27
AI始终是游戏设计中一个绕不开的话题，它们的问世往往是为了充当一把钥匙，以便让游戏系统解决短期或者长期的决策问题。说道游戏AI，许多玩家首先想到的莫过于FPS，其中，AI可以凭借精确的枪法和灵活的判断，为游戏增加不少的乐趣。
但在一些领域，FPS的AI又很难和RTS（即时战略类游戏）的AI相提并论。具体而言，RTS中AI需要兼顾的元素更多，而且某些方面产生的影响更是牵一发而动全身，举个例子，在作战中，哪怕是一个微小的、即时的、被动的决策，都完全有可能影响未来几个小时的战场态势，而在这些即时战略游戏中，无论是玩家、开发人员和游戏研究者，只要谈到AI面临的挑战和创新，就不会忽视一个系列，它就是Creative Assembly（后文简称为“CA社”）的《全面战争》。
自2000年问世以来，《全战》阵容在不断壮大，同时，随着每部游戏推出，开发者的野心也在膨胀，这让AI的处理数据量和复杂程度也在不断增加。正是因此，开发团队在游戏AI的研发上持续倾注了巨大的精力，它让游戏史上堪称罕见。 不过另一方面，在最近的一些作品，如《阿提拉：全面战争》和《战锤：全面战争》中，游戏AI的问题也非常明显。在文中，我们不仅将介绍《全面战争》AI的设计思路，还会介绍它们在每代作品中如何得到了强化、调整甚至是完全重组。另外，尤其需要指出的是，热心玩家在其中发挥了重要作用，他们推出了许多精良的mod，帮助调整了许多重要的参数——不仅如此，相关的mod开发者社区也蓬勃发展，并给了厂方不少启示。
RTS和AI
首先，我们要简要介绍的是即时战略类游戏发展的历程，也只有通过这些，我们才能了解《全战》在其中的地位。所有即时战略游戏中，都存在一个焦点，这就是对领土和资源的控制。具体来说，在游戏中，会有两个或两个以上的敌对势力出现在同一张地图上，他们会通过争夺特定区域内的资源和位置，来让自己占据支配地位。具体而言， 为实现这一目标，每个势力将按照特定的架构组建一支军队，以前往特定地区收集资源，并保卫现有的地盘，同时，他们还要对敌人势力范围进行侦察，进而占领整个区域。
在这个过程中，这些部队还需要摧毁敌人的部队，期间，玩家需要探索未知的区域，穿过所谓的“战争迷雾”以确定敌人和资源的位置。 此外，随着时间的推移，每个阵营都将在之前组织和单位的基础上，增强现有的军事水平和资源开采能力。
尽管算不上人类历史上第一款RTS，但Westwood于1992年推出的《沙丘2》仍然起到了开创性的作用，它影响的游戏可以列出一长串：比如《命令与征服》《帝国时代》《家园》，还有暴雪的《魔兽》和《星际》系列等。而在1990年代后期，《战争黎明》和《星球大战：战争帝国》等游戏则采用了不同的思路——它们更强调战术的价值，而将资源管理放在了一个次要的位置。
与此同时，1994年出品的《UFO：未知敌人》则致力于在即时和回合制之间取得平衡，其上市后的人气始终很高——2012年，该系列更是随着《幽浮：未知敌人（XCOM: Enemy Unknown）》的发售而被正式重启。
另外，尽管在是否属于RTS上存在争议，MOBA类游戏事实上也在其中占据了一席之地，它们源自《魔兽争霸3》的DOTA模组，后来则诞生了《Dota 2》和《英雄联盟》等独立作品，其中，玩家操控的单位是各种英雄，而他们的行动也将决定或影响宏观层面的战局。
不管该归入RTS这一大类，还是自成一系，无可否认的是，MOBA源于RTS，而且两者间存在许多割不断的联系
之所以提及RTS的演变史，是因为AI在其诞生之初便是重要一环。在这类游戏中，玩家需要管理阵营内各个单位的部署——你可以命令它们去往某个地方，但又不能直接进行操纵。为取得理想的结果，玩家就得与系统进行互动。另外，AI也对单人游戏部分也至关重要，因为其任务不仅是依据玩家的命令做出反应，同时，它们还扮演着敌军指挥官的角色——和玩家一样，AI也需要管理自己的单位、同时针对敌人行动制定各种反制策略。也正是因为任务极为重要，因此，AI设计一直被公认是一项挑战。
全面战争
有人也许会问，为什么本文会关注《全战》系列呢？答案是它很有特点。作为CA社的代表作，它将不同种类的战略游戏模式都融入了同一部作品里面：其中既有回合制的资源管理和战略规划，同时还有大部队的实时战斗——更令人称奇的是，在战斗中，还同时包含了微观和宏观层面的指挥：这里既有AI对小单位的控制，还允许玩家对大部队进行整体的指挥，同时对战场阵型和部署进行管理——这在战略游戏中可谓相当罕见。
作为系列的第一作，《幕府将军：全面战争》树立了一种风格：它既平衡了拟真性和原创性，还加入了政治和战略因素。至于它为何将背景设定在16世纪的日本战国时期——则受了电影导演黑泽明的影响——尤其是他导演的《影子武士》《七武士》和《乱》，为了致敬这些经典，开发者甚至将一部分画面移植到了游戏的过场动画中。
在游戏中，玩家和敌方的AI都扮演着当时的“大名”：他们控制着日本境内的不同地区，可以在大地图上采取各种军事和外交行动。而在战斗模式下，玩家又将成为“将军”，并调遣成百上千的部队。另外，就战国时代本身而言，它也非常适合游戏的开发，因为当时的政治和经济都大名们的军事行动关系密切。
另外，《全战》还有许多不同于传统RTS之处，它在微观战斗中取消了诸如“战争迷雾”之类的机制，在资源管理上也被简化到了极点。而在AI方面，由于游戏的性质使然，它们也分成了三个不同的系统：
第一种AI是“战役和外交AI”，它负责处理每个回合的战略决策，比如在地图上调遣军队、从事外交活动（派遣特使或刺客、结盟或缓解对立）、在各地发展农业和建造基础设施等。
另一种AI则是“战术AI”，它决定了战斗单位的编组、行动策略和攻击模式。它们操纵的领域和人类玩家差不多，但它们只会从更宏观层面上对部队的行动进行管理。
最后一种则是每个小型单位自己的AI，它们决定了面对千变万化的战场局势，各个小单位会自己做出怎样的反应。
要全面理解《全战》系列的AI，必须从最底层开始，自下而上对整个系统进行探索——具体而言，就是从单个部队的控制入手，逐渐延伸到能让构成日本地图的战略系统方面。
AI控制下的单位行动
从某种意义上说，军事单位也是《全战》系列的核心：从近战兵，到弓箭手，再到骑兵，根据兵种的不同，它们可以各自编组在一起。游戏中，这些作战单位不仅要保持阵型，而且要到处移动，并作为一个整体单位投入战斗。而对设计者来说，保证这些部队能顺利调动是一项有挑战的任务，特别是它们穿越山脉和森林等各种复杂地形时。
为此，《全面战争》采用了人工神经网络（Artificial Neural Network）来管理游戏中的单位。在AI设计中，为让操控对象迅速做出期望的反应，人工神经网络是一种相当有效的手段。具体来说，在这种系统中，处理数据的是一个个“神经元”——即简单的处理单元，它一方面从外界的来源接收数据，另一方面，这些来源又有着不同的权重。根据数据和权重的不同，它会自动得出最有利的结果，并以此来指引单位的行动。另外，在游戏设计中，开发者可以通过一些手段，让机器自己“学习”，并对相关数据的权重进行调整。一旦人工神经网络掌握了合适的行动方法，他们可以在瞬间做出反应。另外，“训练有素”的神经网络还能学会类比：这意味着，它能根据之前的经验，识别类似的情况，并做出在类似情况下最优的决策。
但另一方面，假如神经网络需要同时完成多个目标，其决策的效果却常常不甚理想，当这些目标存在对立时更是如此。具体到游戏中，其每支部队都有不同的神经网络，不管控制这些单位的是玩家还是更高层级的AI，它们都会根据不同的命令采取不同的行动：如移动、躲避火力，坚守阵地等，但另一方面，在早期的几部作品中，这些网络中的参数都是预先设定好的，并不会随着游戏过程自动调整或优化，所以，指望它随着游戏的进行变得精明，实际上也是不可能的。
战术AI
如前所述，战术AI控制的，实际是每场战斗中与玩家对战的那些敌人。它们需要决定各个单位的阵型和行动。同时，他们还需要把不同的单位组织在一起，以实现特定的战术目标，或是根据现有的地形和天气对其进行调遣。
在战术AI领域， 《幕府将军》采用的是一种逻辑系统。具体而言，在战斗中，AI会根据战场系统提供的数据，做出各种相应决策。而其依据来自中国古代的兵书《孙子兵法》。
这就产生了一个问题，为什么开发者会用中国上古兵书中的原则，来指导《幕府将军》中的AI设计？一方面，这是出于真实性的考虑——在日本战国时代，许多武将在指挥战争时确实会参考这本书；另外，对于游戏本身来说，《孙子兵法》的内容确实有许多具体的指导意义，比如，其中便详细阐释了冷兵器时代、在不同战场条件下、面对各种类型和规模的敌军时，指挥官的应对策略，以及地形、天气和士气对作战的影响等。
下面就是《孙子兵法》中的一些简单例子：
“围师必阙，穷寇勿迫”
“十则围之，五则攻之，倍则分之”
根据《孙子兵法》中的原则，开发者最终设计了三种风格的战术AI，以对应不同性格特点的武将，同时，在这些AI中，他们还嵌入了总共220条规则，它们综合在一起，会导致各种各样的战术决策。在当时的即时战略/战术类游戏中，它可以说是一个创举。
CA社的开发总监麦克·辛普森（Mike Simpson）对此评论说：
“在当时，大多数游戏使用的都是简单的封装行为脚本：举个例子，当你的部队冲向它们时，它们就会自动开火；同时，它们的进攻也缺乏章法，基本上就是一拥而上。这些AI的能力非常有限，更谈不上模拟了真实的战场环境。在这些游戏中，你甚至不用反复战斗，就能掌握击败敌人的办法，这并不是我们想要的，我们理想的游戏必须包含许多真实世界的战术元素，其中敌人会非常狡猾，会随机应变——虽然这让制作变得异常复杂，但无论对我们还是玩家，它都有很大的意义。”
战役AI
作为《幕府将军》中的最高一层AI，战役AI掌管的是战略和外交系统：具体来说，其负责的主要是军队在战略地图上的调动，与其他势力的外交活动，以及境内各种设施的建设等。
为让每个不同的大名进行各种决策，开发者采用了两种AI模式：其中之一被称为“状态机”，另一种被称为“遗传算法”。所谓“状态机”，简单地来说，一旦某些条件满足后，AI便会做出相应的反应，其中既不存在复杂的决策过程，也不会参照之前的决策及其后果，只是对周围发生的事件作出反应。至于“遗传算法”则会对各个AI的行动进行一些因地制宜的调整。
所谓“遗传算法”，实际是机器学习的一种形式，对于给定的问题，开发者会设置大量的候选答案，随后，在处理问题的过程中，系统会通过尝试，让这些答案“相互繁殖”——或者说取长补短——最终得出最优的解答结果。在“繁殖”的过程中，由于环境不同、每个AI的具体设置不同，对同一个问题，系统可能会产生截然不同的解答。这导致在游戏中，不同的大名对相同的处境，可能会做出不同的反应，这就赋予了它们截然不同的个性：这也是为什么，在游戏中，有的大名更愿意和其它势力进行和平交涉，而另一些则会倾向于动武。
中世纪：全面战争
在上述三个系统的相互作用下，AI在《全战》中可以同时处理各种复杂的内容：比如让玩家在控制各个小单位的同时，又能让它们合在一起作为整体行动，并顺利穿越各种复杂的地形。而这些在2000年、初代中便已确立的特点，也在系列的后续作品中得到了延续。不过，随着时间流逝，玩家和开发者也发现了许多缺陷，正是因此，在《全面战争》的每部续作中，都会对其进行优化和改良，以求让AI变得更加智慧。
其中的一个代表就是2002年的《中世纪：全面战争》，该作品将目光投向了从8世纪末一直到14世纪的欧洲，玩家可以操纵不同历史时期的各种政治势力。
总的来说，在《中世纪》较《幕府将军》并没有什么重大的创新，其中只有一些优化和改进：其采用了改进的《幕府将军》引擎，并允许玩家进行更大规模的战斗，而在AI方面，情况也是如此。比如，在微观单位领域，经过本作的优化，它们再也不会在狭窄的区域（如桥梁）出现拥堵。另外，战术AI的行动风格从三种增加到了九种，从而极大增加了战斗体验的多样性。按照一些评论家的说法，经过上述改良之后，《中世纪》已“近乎完美”。Rock Paper Shotgun的评论员罗博·扎科尼（Rob Zacny）就曾在2016年写道：
“虽然我不确定，后来是否还有比它更为平衡的《全战》系列游戏。《战国风云（Risk）》式的地图让AI可以轻松地对领土进行管理，同时，每个国家不同的起始状态可以让一些AI在后期建立真正意义上的霸权，并给玩家带来巨大的挑战……总的来说，《中世纪》是一部简洁但无比出色的作品，直到差不多10年后，才有能与之匹敌的《全战》系列游戏出现。”
前文提到的《战国风云（Risk）》是当年一款颇为风靡的老式桌游，它把世界划成了若干地区，每个势力控制并代表一个，其充当了后来许多策略游戏宏观战略地图的雏形
但另一方面，《幕府将军》和《中世纪》只是一个开始，随后《全战》系列的发展之路并不太顺利：后续几部作品中，随着游戏体量扩大，开发者遭遇的挑战也愈发严峻。在随后几年里，CA社对《全面战争》的AI进行了一次重大的重组，至于其灵感来自玩家——确切地说，是各种民间的Mod制作组。
为其充当契机的，则是2004年上市的《罗马：全面战争》，作为系列的第三部，这部作品中采用了3D化的战略地图，上面的兵模也实现了完全3D，至于历史舞台则放在了公元前270年的意大利，当时，罗马正从一个城邦成长为帝国。另外，在《全战》系列的历史上，《罗马》也是一部分水岭式的作品：它让本作从一个相对小众的策略模拟系列，正式变成了一部有惊人影响力的大IP。然而，在游戏中也出现了不少瑕疵——其中最显著的是战役层面，随着外交机制的内容变得更为丰富，挑战也应运而生。具体来说，为了构建帝国，AI更多需要采取深思熟虑的长远行动。但正如面前提到的那样，在《全战》系列中，战役AI实际采用了一种名为“状态机”的决策模式，其着眼点却是当前的环境，而不是长远的利益。这导致了许多或匪夷所思和背离历史的决定。
尽管问题众多，但瑕不掩瑜，《罗马》仍然拥有大量粉丝群体。同时，这个系列对Mod的设计也非常友好：在早期版本中，游戏的架构和数据都是开源的，因此，玩家很容易借助工具进行修改，以满足自己的需要。在众多Mod中，许多不仅改善了图像和操纵，还增加了许多新内容，甚至是构建了一个全新的世界：“罗马崛起（Roman Surrectum）”和“罗马：全面真实（Rome：Total Realism）”等就是其中的代表。
另外，还有一些mod引入了其他题材，比如说战锤系列和托尔金神话。不过，其中令人印象最深刻的当属尼克·托马迪斯（Nick Thomadis）开发的DarthMod，这一模组中不仅丰富了游戏的内容和玩法，还调整了影响战术和战役AI的各种参数——对资深玩家来说，这可谓是一种福音：这些导致了许多新的战斗阵型和编组，同时AI的表现也更为积极和灵活。
在《罗马：全战》发布后，CA社又趁热打铁推出了《中世纪2：全面战争》，从本质上说，它是利用《罗马》的引擎对《中世纪：全战》进行了一次复刻和改造。毫不奇怪，AI在其中问题依旧，虽然各种mod弥补了其中的一些缺陷，但它仍然提醒了CA社：《全战》系列的AI需要重建。
但在一些领域，FPS的AI又很难和RTS（即时战略类游戏）的AI相提并论。具体而言，RTS中AI需要兼顾的元素更多，而且某些方面产生的影响更是牵一发而动全身，举个例子，在作战中，哪怕是一个微小的、即时的、被动的决策，都完全有可能影响未来几个小时的战场态势，而在这些即时战略游戏中，无论是玩家、开发人员和游戏研究者，只要谈到AI面临的挑战和创新，就不会忽视一个系列，它就是Creative Assembly（后文简称为“CA社”）的《全面战争》。
如今，《全战》系列的阵容已经极为庞大
自2000年问世以来，《全战》阵容在不断壮大，同时，随着每部游戏推出，开发者的野心也在膨胀，这让AI的处理数据量和复杂程度也在不断增加。正是因此，开发团队在游戏AI的研发上持续倾注了巨大的精力，它让游戏史上堪称罕见。 不过另一方面，在最近的一些作品，如《阿提拉：全面战争》和《战锤：全面战争》中，游戏AI的问题也非常明显。在文中，我们不仅将介绍《全面战争》AI的设计思路，还会介绍它们在每代作品中如何得到了强化、调整甚至是完全重组。另外，尤其需要指出的是，热心玩家在其中发挥了重要作用，他们推出了许多精良的mod，帮助调整了许多重要的参数——不仅如此，相关的mod开发者社区也蓬勃发展，并给了厂方不少启示。
RTS和AI
首先，我们要简要介绍的是即时战略类游戏发展的历程，也只有通过这些，我们才能了解《全战》在其中的地位。所有即时战略游戏中，都存在一个焦点，这就是对领土和资源的控制。具体来说，在游戏中，会有两个或两个以上的敌对势力出现在同一张地图上，他们会通过争夺特定区域内的资源和位置，来让自己占据支配地位。具体而言， 为实现这一目标，每个势力将按照特定的架构组建一支军队，以前往特定地区收集资源，并保卫现有的地盘，同时，他们还要对敌人势力范围进行侦察，进而占领整个区域。
在这个过程中，这些部队还需要摧毁敌人的部队，期间，玩家需要探索未知的区域，穿过所谓的“战争迷雾”以确定敌人和资源的位置。 此外，随着时间的推移，每个阵营都将在之前组织和单位的基础上，增强现有的军事水平和资源开采能力。
《沙丘2》在RTS的发展史上起到了开创性的作用
尽管算不上人类历史上第一款RTS，但Westwood于1992年推出的《沙丘2》仍然起到了开创性的作用，它影响的游戏可以列出一长串：比如《命令与征服》《帝国时代》《家园》，还有暴雪的《魔兽》和《星际》系列等。而在1990年代后期，《战争黎明》和《星球大战：战争帝国》等游戏则采用了不同的思路——它们更强调战术的价值，而将资源管理放在了一个次要的位置。
在《沙丘2》的启示下，暴雪用一系列大作做到了青出于蓝，它们至今仍是RTS的标杆
与此同时，1994年出品的《UFO：未知敌人》则致力于在即时和回合制之间取得平衡，其上市后的人气始终很高——2012年，该系列更是随着《幽浮：未知敌人（XCOM: Enemy Unknown）》的发售而被正式重启。
另外，尽管在是否属于RTS上存在争议，MOBA类游戏事实上也在其中占据了一席之地，它们源自《魔兽争霸3》的DOTA模组，后来则诞生了《Dota 2》和《英雄联盟》等独立作品，其中，玩家操控的单位是各种英雄，而他们的行动也将决定或影响宏观层面的战局。
不管该归入RTS这一大类，还是自成一系，无可否认的是，MOBA源于RTS，而且两者间存在许多割不断的联系
之所以提及RTS的演变史，是因为AI在其诞生之初便是重要一环。在这类游戏中，玩家需要管理阵营内各个单位的部署——你可以命令它们去往某个地方，但又不能直接进行操纵。为取得理想的结果，玩家就得与系统进行互动。另外，AI也对单人游戏部分也至关重要，因为其任务不仅是依据玩家的命令做出反应，同时，它们还扮演着敌军指挥官的角色——和玩家一样，AI也需要管理自己的单位、同时针对敌人行动制定各种反制策略。也正是因为任务极为重要，因此，AI设计一直被公认是一项挑战。
全面战争
有人也许会问，为什么本文会关注《全战》系列呢？答案是它很有特点。作为CA社的代表作，它将不同种类的战略游戏模式都融入了同一部作品里面：其中既有回合制的资源管理和战略规划，同时还有大部队的实时战斗——更令人称奇的是，在战斗中，还同时包含了微观和宏观层面的指挥：这里既有AI对小单位的控制，还允许玩家对大部队进行整体的指挥，同时对战场阵型和部署进行管理——这在战略游戏中可谓相当罕见。
《幕府将军》是《全战》系列的第一作
作为系列的第一作，《幕府将军：全面战争》树立了一种风格：它既平衡了拟真性和原创性，还加入了政治和战略因素。至于它为何将背景设定在16世纪的日本战国时期——则受了电影导演黑泽明的影响——尤其是他导演的《影子武士》《七武士》和《乱》，为了致敬这些经典，开发者甚至将一部分画面移植到了游戏的过场动画中。
黑泽明电影《乱》的剧照，这些作品充当了《幕府将军：全面战争》等游戏的灵感之源
在游戏中，玩家和敌方的AI都扮演着当时的“大名”：他们控制着日本境内的不同地区，可以在大地图上采取各种军事和外交行动。而在战斗模式下，玩家又将成为“将军”，并调遣成百上千的部队。另外，就战国时代本身而言，它也非常适合游戏的开发，因为当时的政治和经济都大名们的军事行动关系密切。
另外，《全战》还有许多不同于传统RTS之处，它在微观战斗中取消了诸如“战争迷雾”之类的机制，在资源管理上也被简化到了极点。而在AI方面，由于游戏的性质使然，它们也分成了三个不同的系统：
第一种AI是“战役和外交AI”，它负责处理每个回合的战略决策，比如在地图上调遣军队、从事外交活动（派遣特使或刺客、结盟或缓解对立）、在各地发展农业和建造基础设施等。
另一种AI则是“战术AI”，它决定了战斗单位的编组、行动策略和攻击模式。它们操纵的领域和人类玩家差不多，但它们只会从更宏观层面上对部队的行动进行管理。
最后一种则是每个小型单位自己的AI，它们决定了面对千变万化的战场局势，各个小单位会自己做出怎样的反应。
《幕府将军》的战略地图和战术地图
要全面理解《全战》系列的AI，必须从最底层开始，自下而上对整个系统进行探索——具体而言，就是从单个部队的控制入手，逐渐延伸到能让构成日本地图的战略系统方面。
AI控制下的单位行动
从某种意义上说，军事单位也是《全战》系列的核心：从近战兵，到弓箭手，再到骑兵，根据兵种的不同，它们可以各自编组在一起。游戏中，这些作战单位不仅要保持阵型，而且要到处移动，并作为一个整体单位投入战斗。而对设计者来说，保证这些部队能顺利调动是一项有挑战的任务，特别是它们穿越山脉和森林等各种复杂地形时。
人工神经网络的运作原理
为此，《全面战争》采用了人工神经网络（Artificial Neural Network）来管理游戏中的单位。在AI设计中，为让操控对象迅速做出期望的反应，人工神经网络是一种相当有效的手段。具体来说，在这种系统中，处理数据的是一个个“神经元”——即简单的处理单元，它一方面从外界的来源接收数据，另一方面，这些来源又有着不同的权重。根据数据和权重的不同，它会自动得出最有利的结果，并以此来指引单位的行动。另外，在游戏设计中，开发者可以通过一些手段，让机器自己“学习”，并对相关数据的权重进行调整。一旦人工神经网络掌握了合适的行动方法，他们可以在瞬间做出反应。另外，“训练有素”的神经网络还能学会类比：这意味着，它能根据之前的经验，识别类似的情况，并做出在类似情况下最优的决策。
但另一方面，假如神经网络需要同时完成多个目标，其决策的效果却常常不甚理想，当这些目标存在对立时更是如此。具体到游戏中，其每支部队都有不同的神经网络，不管控制这些单位的是玩家还是更高层级的AI，它们都会根据不同的命令采取不同的行动：如移动、躲避火力，坚守阵地等，但另一方面，在早期的几部作品中，这些网络中的参数都是预先设定好的，并不会随着游戏过程自动调整或优化，所以，指望它随着游戏的进行变得精明，实际上也是不可能的。
战术AI
如前所述，战术AI控制的，实际是每场战斗中与玩家对战的那些敌人。它们需要决定各个单位的阵型和行动。同时，他们还需要把不同的单位组织在一起，以实现特定的战术目标，或是根据现有的地形和天气对其进行调遣。
在战术AI领域， 《幕府将军》采用的是一种逻辑系统。具体而言，在战斗中，AI会根据战场系统提供的数据，做出各种相应决策。而其依据来自中国古代的兵书《孙子兵法》。
《幕府将军》系列的战术地图
这就产生了一个问题，为什么开发者会用中国上古兵书中的原则，来指导《幕府将军》中的AI设计？一方面，这是出于真实性的考虑——在日本战国时代，许多武将在指挥战争时确实会参考这本书；另外，对于游戏本身来说，《孙子兵法》的内容确实有许多具体的指导意义，比如，其中便详细阐释了冷兵器时代、在不同战场条件下、面对各种类型和规模的敌军时，指挥官的应对策略，以及地形、天气和士气对作战的影响等。
下面就是《孙子兵法》中的一些简单例子：
“围师必阙，穷寇勿迫”
“十则围之，五则攻之，倍则分之”
根据《孙子兵法》中的原则，开发者最终设计了三种风格的战术AI，以对应不同性格特点的武将，同时，在这些AI中，他们还嵌入了总共220条规则，它们综合在一起，会导致各种各样的战术决策。在当时的即时战略/战术类游戏中，它可以说是一个创举。
谁能想到，《孙子兵法》充当了《全战》诞生之初的AI行动指导原则呢？
CA社的开发总监麦克·辛普森（Mike Simpson）对此评论说：
“在当时，大多数游戏使用的都是简单的封装行为脚本：举个例子，当你的部队冲向它们时，它们就会自动开火；同时，它们的进攻也缺乏章法，基本上就是一拥而上。这些AI的能力非常有限，更谈不上模拟了真实的战场环境。在这些游戏中，你甚至不用反复战斗，就能掌握击败敌人的办法，这并不是我们想要的，我们理想的游戏必须包含许多真实世界的战术元素，其中敌人会非常狡猾，会随机应变——虽然这让制作变得异常复杂，但无论对我们还是玩家，它都有很大的意义。”
战役AI
作为《幕府将军》中的最高一层AI，战役AI掌管的是战略和外交系统：具体来说，其负责的主要是军队在战略地图上的调动，与其他势力的外交活动，以及境内各种设施的建设等。
为让每个不同的大名进行各种决策，开发者采用了两种AI模式：其中之一被称为“状态机”，另一种被称为“遗传算法”。所谓“状态机”，简单地来说，一旦某些条件满足后，AI便会做出相应的反应，其中既不存在复杂的决策过程，也不会参照之前的决策及其后果，只是对周围发生的事件作出反应。至于“遗传算法”则会对各个AI的行动进行一些因地制宜的调整。
《幕府将军》中的战略地图
所谓“遗传算法”，实际是机器学习的一种形式，对于给定的问题，开发者会设置大量的候选答案，随后，在处理问题的过程中，系统会通过尝试，让这些答案“相互繁殖”——或者说取长补短——最终得出最优的解答结果。在“繁殖”的过程中，由于环境不同、每个AI的具体设置不同，对同一个问题，系统可能会产生截然不同的解答。这导致在游戏中，不同的大名对相同的处境，可能会做出不同的反应，这就赋予了它们截然不同的个性：这也是为什么，在游戏中，有的大名更愿意和其它势力进行和平交涉，而另一些则会倾向于动武。
中世纪：全面战争
在上述三个系统的相互作用下，AI在《全战》中可以同时处理各种复杂的内容：比如让玩家在控制各个小单位的同时，又能让它们合在一起作为整体行动，并顺利穿越各种复杂的地形。而这些在2000年、初代中便已确立的特点，也在系列的后续作品中得到了延续。不过，随着时间流逝，玩家和开发者也发现了许多缺陷，正是因此，在《全面战争》的每部续作中，都会对其进行优化和改良，以求让AI变得更加智慧。
其中的一个代表就是2002年的《中世纪：全面战争》，该作品将目光投向了从8世纪末一直到14世纪的欧洲，玩家可以操纵不同历史时期的各种政治势力。
总的来说，在《中世纪》较《幕府将军》并没有什么重大的创新，其中只有一些优化和改进：其采用了改进的《幕府将军》引擎，并允许玩家进行更大规模的战斗，而在AI方面，情况也是如此。比如，在微观单位领域，经过本作的优化，它们再也不会在狭窄的区域（如桥梁）出现拥堵。另外，战术AI的行动风格从三种增加到了九种，从而极大增加了战斗体验的多样性。按照一些评论家的说法，经过上述改良之后，《中世纪》已“近乎完美”。Rock Paper Shotgun的评论员罗博·扎科尼（Rob Zacny）就曾在2016年写道：
“虽然我不确定，后来是否还有比它更为平衡的《全战》系列游戏。《战国风云（Risk）》式的地图让AI可以轻松地对领土进行管理，同时，每个国家不同的起始状态可以让一些AI在后期建立真正意义上的霸权，并给玩家带来巨大的挑战……总的来说，《中世纪》是一部简洁但无比出色的作品，直到差不多10年后，才有能与之匹敌的《全战》系列游戏出现。”
前文提到的《战国风云（Risk）》是当年一款颇为风靡的老式桌游，它把世界划成了若干地区，每个势力控制并代表一个，其充当了后来许多策略游戏宏观战略地图的雏形
但另一方面，《幕府将军》和《中世纪》只是一个开始，随后《全战》系列的发展之路并不太顺利：后续几部作品中，随着游戏体量扩大，开发者遭遇的挑战也愈发严峻。在随后几年里，CA社对《全面战争》的AI进行了一次重大的重组，至于其灵感来自玩家——确切地说，是各种民间的Mod制作组。
为其充当契机的，则是2004年上市的《罗马：全面战争》，作为系列的第三部，这部作品中采用了3D化的战略地图，上面的兵模也实现了完全3D，至于历史舞台则放在了公元前270年的意大利，当时，罗马正从一个城邦成长为帝国。另外，在《全战》系列的历史上，《罗马》也是一部分水岭式的作品：它让本作从一个相对小众的策略模拟系列，正式变成了一部有惊人影响力的大IP。然而，在游戏中也出现了不少瑕疵——其中最显著的是战役层面，随着外交机制的内容变得更为丰富，挑战也应运而生。具体来说，为了构建帝国，AI更多需要采取深思熟虑的长远行动。但正如面前提到的那样，在《全战》系列中，战役AI实际采用了一种名为“状态机”的决策模式，其着眼点却是当前的环境，而不是长远的利益。这导致了许多或匪夷所思和背离历史的决定。
尽管问题众多，但瑕不掩瑜，《罗马》仍然拥有大量粉丝群体。同时，这个系列对Mod的设计也非常友好：在早期版本中，游戏的架构和数据都是开源的，因此，玩家很容易借助工具进行修改，以满足自己的需要。在众多Mod中，许多不仅改善了图像和操纵，还增加了许多新内容，甚至是构建了一个全新的世界：“罗马崛起（Roman Surrectum）”和“罗马：全面真实（Rome：Total Realism）”等就是其中的代表。
《罗马：全面战争》采用了3D化的宏观战略地图
另外，还有一些mod引入了其他题材，比如说战锤系列和托尔金神话。不过，其中令人印象最深刻的当属尼克·托马迪斯（Nick Thomadis）开发的DarthMod，这一模组中不仅丰富了游戏的内容和玩法，还调整了影响战术和战役AI的各种参数——对资深玩家来说，这可谓是一种福音：这些导致了许多新的战斗阵型和编组，同时AI的表现也更为积极和灵活。
作为《罗马：全战》做好的mod，DarthMod对原作的机制和内容进行了极大丰富
在《罗马：全战》发布后，CA社又趁热打铁推出了《中世纪2：全面战争》，从本质上说，它是利用《罗马》的引擎对《中世纪：全战》进行了一次复刻和改造。毫不奇怪，AI在其中问题依旧，虽然各种mod弥补了其中的一些缺陷，但它仍然提醒了CA社：《全战》系列的AI需要重建。