从零点五开始用Unity做半个2D战棋小游戏（九）
好久不见。
这是第26篇与游戏开发有关的文章。
| 写在最前
这次想要做一个简单且传统的战棋小游戏，大概的玩法是：在2D世界里创建一张由六边形地块组成的战斗地图，敌我双方在地图上轮流行动，并向对方发动攻击，先消灭掉所有敌人的一方将获得胜利。
预计将分为以下几篇（未完成前可能会调整...）：
1、创建战场（已完成）
根据预定尺寸生成战场地图，并随机一些障碍物。
2、添加地图功能 （已完成）
实现战场格子点击反馈，地图导航及范围选定。
3、添加对战双方（已完成）
向战场中添加作战单位，作战单位轮流行动，可进行移动、攻击。
4、加入玩家控制（已完成）
玩家可控制一个战斗单位，手动选择移动目标及攻击单位。
5、添加常用的界面（已完成）
建立界面管理器，加入一些常用的界面。
6、添加常用的战场显示（已完成）
为战斗单位添加血条，加入伤害文字特效。
7、扩展作战单位（已完成）
丰富战斗元素，加入并实现手动释放不同类型的技能。
8、加入AI系统（上）（已完成）
建立超级简单的AI系统。
9、加入AI系统（中）
调整AI系统的决策方式。
10、加入AI系统（下）
总结AI系统。
11、扩展战场地图
丰富战场地图，加入地形及道具等元素。
12、规范战斗配置
可以通过规范化的数据结构配置战场、职业、技能、道具等。
本次的主题是：调整AI系统的决策方式。
项目使用的Unity版本为：Unity2018.3.0f2。
代码会上传至我的Github：https://github.com/elsong823/HalfSLG 中，有兴趣的同学请自取。
| 目标
上一篇所实现的AI系统，并不能带来什么特别的体验。因为每个AI的行为逻辑都是相同的。换句话说，这些被AI控制的战斗单位，没有自己的“个性”。
本篇将会对AI系统进行调整，重构AI决策逻辑，尝试使用数值配置来驱动AI的行为，以期使战斗变得更加有趣。
另外，本篇将会有大量的数据表、图，可能有些枯燥，希望您能耐心看下去，谢谢。
那就让我们开始吧。
| 思考的出发点
我是这么开始的。
首先，我对战场内出现的战斗单位，进行了角色（职业）划分，它们分别是：
1、坦克；
2、输出；
3、治疗。
好吧， 我猜你一定知道，这是最简单的铁三角组合，这里就不解释这三种角色的战场定位了。
刘关张应该也算是一种铁三角组合吧 (图源网络)
之所以做这样的设定，是为了可以从简单入手，对AI的行为进行分类。
| 行为分类
现在，结合上述三种定位，试想一下我们自己在扮演这三种角色做决策时的样子。
我们可以近似的将AI的行为分为以下几类：
1、制造仇恨（嘲讽）；
2、制造伤害（输出）；
3、恢复队友（恢复）。
其实，上述三种行为，都可以理解为是主动采取的行为，也可以认为是一种理性的战斗策略。
但是，生活中的决策都是理性的么？
显然不是。
否则就不会有双十一、双十二什么事儿了。
某喵节 (图源网络)
| 愤怒机制
冲动是魔鬼，但冲动也会让角色更有血肉。
所以，我添加了一个愤怒机制，来模拟这种情绪上的冲动。
试想一下你被招惹急了会做什么？气哭了？确实，有时候会这样。但是更多的时候，你会想把对方胖揍一顿来渲泄这种愤怒。
因此，愤怒机制在系统中起到的作用就是强化伤害输出的决策。
愤怒与策略行为的关系
那么愤怒如何被积累呢？这里使用的设定是：当一个单位受到攻击后，会增加愤怒值；同时，单位每回合行动后，会降低一些愤怒值。
| 差异性角色
综上所述，当我们在创造AI时，可以通过调整上述三者策略的比例，来塑造出有差异性的角色。
比如：一个制造仇恨策略比例较高的坦克，和一个造成伤害策略比例较高的坦克，它们在一场战斗中的表现可能是：前者更愿意保护队友，而后者则更喜欢追着对方揍。
那么哪种更好呢？
我觉得都很好，这就好比生物多样性，如果地球上只有人类，那我们的生活该多么的枯燥乏味，甚至无法生存。
所以我们要保护生态环境，爱护我们共同的家园。
世界自然基金会 (图源网络)
| AI系统的设计
其实，这个AI系统的设计非常的简单，我们拆开来看。
◇ 战斗行为系统(BattleBehaviourSystem)
每一个参与战斗的单位，都有一个战斗行为系统。
战斗单位通过这个行为系统，来决定下一步的行动，比如朝哪移动、向谁发动攻击、或者恢复谁的生命值等。
但是战斗行为系统本身并没有什么计算能力，它只是组织了一个信息环境，真正处理信息、产生具有参考意义信息的家伙，是系统装配的战斗行为计算芯片。
◇ 战斗行为计算芯片(BattleBehaviourChip)
如果你看过《机器猫》，也许还记得在有一集里他拿出了一个“能力磁带”，只要把这个磁带插到身体里，你就会掌握一种能力，比如秒变棒球手、摔跤手、哲学家等等。
陪伴成长的蓝胖子 (图源网络)
战斗行为计算芯片跟这个很像，如果一个行为系统装配了某种芯片；那么当这个单位需要决策下一步行动时，芯片就会结合系统所提供的信息环境，为其列出所有可行的行为，并且为它们打分。
当然，一个行为系统可能同时装配多种不同种类的芯片。
◇ 行为对象(BehaviourItem)
行为对象就是芯片计算出的行为信息的载体，它记录了这个行为针对的具体目标，以及行为的类型（伤害、嘲讽、治疗）等。
◇ 行为调节器(Adjustor)
有时候我们需要微调行为对象中的得分。比如，我们得到了伤害芯片为我们计算出每个目标的得分，但是在做决策前，某个行为调节器忽然想提醒我们应该优先照顾下对方的治疗，那么它就会适当调高对这个治疗的行为对象的得分，同时调低对其他角色的行为对象的得分。
当所有调节器工作完毕后，系统将会根据这些待决定的行为对象，制定决策对象。
◇ 决策对象(DecisionItem)
制定决策是一个计算具体方案的过程，比如移动到哪个格子，是待命还是使用哪个技能；而决策对象记录了这些计算的结果，战斗单位最终根据这个结果，来完成一次行动。
我们可以通过下图更直观的了解行为系统的工作流程。
行为系统工作流
以上就是战斗行为系统的简单介绍，那接下来我们思考一个问题：如何验证系统的有效性；或者，当我们调整了用于驱动行为的数值，如何直观的看到反馈。
| 对结果进行分析
事实上，我们可以在每次调整完数值后，安排一些AI加入战场进行实际作战。
通过观察他们在战斗中的表现；以及，分析每个单位在决策时输出的Log，可以在一定程度上达到检验系统有效性的目的。
一个战斗单位行动前各行为的得分
但是，这并不是一个好的方法。因为调整数值只是修改了产生决策的范围；而AI在决策上的变化，是很难在一两次的战斗中，通过观察过程捕捉到的。
下面，我们就尝试通过对战斗结果进行数据分析，捕捉数值调整后的反馈信息，来验证系统的有效性。
首先介绍一下测试环境，创建两只配置完全相同的队伍(Team_1和Team_2)。每队分别配备一名坦克，一名治疗及一名输出。
两只队伍的角色配置以及角色关键数值
角色所装配的技能
为了尽量抵消行动次序及出生位置可能对结果带来的影响，我们采用每场交换优先行动权，以及全员、全地图随机初始位置的方式，进行500场自动战斗。
自动战斗的逻辑我们之前已经完成了，所以这个过程是很快的。
500场自动战斗计算
500场自动战斗后，双方的获胜情况
可以看出，在同样的队伍配置下，双方的胜率是很接近的。
接下来，我们调整一些AI的参数，尝试模拟一些特殊类型（个性）的战斗角色，看看战斗系统会给我们带来怎样的反馈。
◇ 靠谱的坦克
增加Team_1坦克的嘲讽策略比例，再次对战500场后，与调整前的战斗结果进行对比。
提高了嘲讽芯片的决策系数占比
Team_1坦克使用技能的对比
输出伤害及承受伤害的对比
双方获胜情况对比
Team_1角色场均死亡次数对比
可以看出：
坦克使用伤害技能的频次降低，使用仇恨技能的频次增加，输出绝对值及输出占比减小。
但这提高了队伍的整体胜率。
原因可推测为，坦克更好的保护了输出及治疗，减少了他们受到攻击的机会及死亡次数，增加了他们输出伤害和治疗的时间，进而影响了整体胜率。
◇ 终结者
为Team_1的近战Dps的伤害芯片增加杀手调节器，使其成为“终结者”，他（她）会优先考虑攻击濒死目标。再次对战500场后，与调整前的战斗结果进行对比。
输出伤害的对比
场均击杀数量的对比
双方获胜情况对比
可以看出：
由于属性和所使用的技能都没有变化，所以终结者的输出伤害变动很小；但是他的击杀数量明显增加（抢人头）。
尽管队伍胜率增加了，但是队友都很讨厌他。
◇ 治疗压制
为Team_1的近战Dps所拥有的伤害芯片增加了职业权重调节器，并设置为治疗压制模式。从此，他莫名其妙的对敌方的治疗产生了难以言喻的奇妙情感，并一直重点照顾。
职业权重调节器的设置
Team_2接受治疗对比
Team_2 治疗承受伤害的来源及击杀来源的对比
双方获胜情况对比
可以看出：
治疗被对方输出特殊照顾，直接减少了她的治疗总量；而且由于自身不断遭受攻击，治疗把技能更多的用在了自己身上，无暇顾及其他队友，进而降低了整体胜率。
◇ 职业保镖
Team_2的坦克会优先保护己方治疗，只要看到她被揍，瞬间宠妻狂魔附体。
Team_2胜场存活率及剩余血量对比
双方获胜情况对比
Team_2接受治疗情况对比
可以看出：
Team_2的治疗得到更多保护，产生的治疗量增加，胜场存活率提升，提高了整体战斗力。
《保镖》海报 (图源网络)
后来在一次线下聚会时，坦克发现这个“治疗妹子”居然是个汉子...
◇ 职业杀手 vs 职业保镖
Team_1的近战Dps为治疗压制 + 终结者，Team_2的坦克为治疗职业保镖。
结果…
你猜。
《王牌保镖》海报 (图源网络)
| 写在最后
至此，调整AI系统的决策方式篇就介绍到这了。
如你所见，本篇所展示的例子，都是单因素实验；而且角色类型、技能、数值结构都非常简单。对比那些态度认真、具有复杂技能、数值等设计的游戏，可能不太具有说服力。
但本篇想要做的仅是对“用数值影响AI决策”的一种尝试，而且这种影响是可以在后期的数据分析中得到反馈的，从这点上讲，目的已经达到了。
下一篇将会对AI系统的设计做一个简单的总结。
最后，需要指出的是，前面提到的《机器猫》，后来已经改名为《哆啦A梦》了。
愿不忘初心。
下回见。
非常感谢您能读到这里，详细的代码可以移步Github（https://github.com/elsong823/HalfSLG）下载。
文章会在我的公众号 偶尔学学Unity 中不定期更新，欢迎关注，谢谢。
