Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

https://github.com/esengine/BehaviourTree-ai

基于ecs-framework开发的AI(BehaviourTree、UtilityAI、FSM)系统。适用于egret/laya/cocos
https://github.com/esengine/BehaviourTree-ai

behaviourtree cocos egret fsm laya selector

Last synced: 4 months ago
JSON representation

基于ecs-framework开发的AI(BehaviourTree、UtilityAI、FSM)系统。适用于egret/laya/cocos

Lists

README

        

# BehaviourTree、UtilityAI、FSM
基于ecs-framework开发的AI(BehaviourTree、UtilityAI、FSM)系统,一套已经非常完整的系统。教程较少,可以自行看源代码来学习。

## 目录结构

- src `源目录`
- behaviourTree `行为树主目录`
- actions `动作是行为树的节点。比如: 播放动画,触发事件等。`
- composites `Composites是行为树中的父节点,他们容纳一个或多个子节点,并以不同的方式执行。`
- conditionals `它们由IConditional接口标识。它们会检查游戏世界的某些情况,并返回成功或失败`
- decorators `装饰器可以通过各种方式修改子任务的行为,例如: 反转结果,运行知道失败等`
- utilityAI `实用AI主目录`
- actions `AI执行的操作`
- considerations `列出评估和行为清单。计算一个分数,用数字表示Action的有效使用情况。`
- reasoners `从附加的Reasoner的事项列表中选择最佳的事项。AI的根源`
- core `egret核心扩展`
- test `示例工程`
- utilityActions `实用AI示例目录`

## 介绍

### State Machine
它实现 `状态作为对象` 模式。 StateMachine为每个状态使用单独的类,因此对于更复杂的系统而言,它是更好的选择。

我们开始使用StateMachine来了解上下文的概念。 在编码中,上下文只是用于满足一般约束的类。 在Array中,字符串将是上下文类,即列表所基于的类。 使用所有其他的AI解决方案,您都可以指定上下文类。 它可能是您的敌人类,玩家类或包含与您的AI相关的任何信息(例如玩家,敌人列表,导航信息等)的帮助对象。

这是一个显示用法的简单示例(为简洁起见,省略了State子类):

```ts
// 创建一个状态机,该状态机将使用SomeClass类型的对象作为焦点,并具有PatrollingState的初始状态
let machine = new SKStateMachine( someClass, new PatrollingState() );

// 我们现在可以添加任何其他状态
machine.addState(new AttackState());
machine.addState(new ChaseState());

// 通常在更新对象时调用此方法
machine.update(es.Time.deltaTime);

// 改变状态。 状态机将自动创建并缓存该类的实例(在本例中为ChasingState)
machine.changeState(ChasingState);
```

### Behavior Trees

行为树由节点树组成。节点可以根据世界状态做出决策并执行操作。它包含一个BehaviorTreeBuilder类,它提供了一个用于设置行为树的API。BehaviorTreeBuilder是一种使行为树减少使用并快速启动的方法。

#### Composites
组合是行为树中的父节点。 他们有一个或多个子节点,并以不同的方式处理他们。

- Sequence 一旦其子任务之一返回失败,则返回失败。 如果一个子任务返回成功,它将在树的下一帧顺序运行下一个子节点
- Selector 一旦其子任务之一返回成功,则返回成功。 如果子任务返回失败,则它将在下一帧顺序运行下一个子任务。
- Parallel 运行每个子节点直到子节点返回失败。它不同于Sequence仅在于它在每帧都会运行所有子节点
- ParallelSelector 同Selector,除了它自身将在每帧都运行所有子节点
- ParallelSequence 同Sequence,除了它自身将在每帧都运行所有子节点
- RandomSequence 同Sequence,在执行前将子节点随机打乱后运行
- RandomSelector 同Selector, 在执行前将子节点随机打乱后运行

#### Conditional
条件是成功/失败节点。 它们由IConditional接口标识。 他们检查您的游戏世界的某些状况,并返回成功或失败。 它们本质上是特定于游戏的,因此框架仅提供一个开箱即用的通用条件,以及包装Function的辅助条件,因此您不必为每个条件创建单独的类。

- RandomProbability: 当随机概率高于指定的成功率时返回成功
- ExecuteActionConditional: 包装一个Func并未做Conditional执行。用于原型设计和避免为简单的条件创建单独的类。

#### Decoration
装饰器是具有单个子任务的包装器任务。 他们可以通过多种方式修改子任务的行为,例如反转结果,运行直到失败等。

- AlwaysFail: 无论子结果如何,总是返回失败
- AlwaysSuccedd: 无论子结果如何,总是返回成功
- ConditionalDecorator: 包装条件,并且仅在满足条件时才运行其子项。
- Repeater: 重复其子任务指定次数
- UntilFail: 继续执行其子任务,直到返回失败
- UntilSuccess: 继续执行其子任务,直到返回成功
- Inverter: 反转子结果

#### Action
动作是行为树的叶子节点。 例如播放动画,触发事件等。

- ExecuteAction: 包装一个Func并将其作为动作执行。
- WaitAction: 等待指定的时间
- LogAction:将字符串记录到控制台用于调试。
- BehaviorTreeReference:运行另一个行为树

### 使用文档

```typescript
class AiComponent{
private _tree: BehaviorTree;
public state: State = new State();
private _distanceToNextLocation: number = 10;
public update(){
if (this._tree)
this._tree.tick();
}

public start(){
let builder = BehaviorTreeBuilder.begin(this);

builder.selector(AbortTypes.Self);

// 睡觉最重要
builder.conditionalDecoratorR(m => m.state.fatigue >= State.MAX_FATIGUE, false);
builder.sequence(AbortTypes.LowerPriority)
.logAction("-- 累了,准备回家")
.action(m => m.goToLocation(Locate.Home))
.logAction("-- 准备上床")
.action(m => m.sleep())
.endComposite();

// 喝水第二重要
builder.conditionalDecoratorR(m => m.state.thirst >= State.MAX_THIRST, false);
builder.sequence(AbortTypes.LowerPriority)
.logAction("-- 渴了! 准备喝水")
.action(m => m.goToLocation(Locate.Saloon))
.logAction("-- 开始喝水")
.action(m => m.drink())
.endComposite();

// 存钱第三重要
builder.conditionalDecoratorR(m => m.state.gold >= State.MAX_GOLD, false);
builder.sequence(AbortTypes.LowerPriority)
.logAction( "--- 背包满了,准备去银行存钱." )
.action( m => m.goToLocation( Locate.Bank ) )
.logAction( "--- 开始存钱!" )
.action( m => m.depositGold() )
.endComposite();

// 赚钱最后
builder.sequence()
.action(m => m.goToLocation(Locate.Mine))
.logAction("-- 开始挖矿!")
.action(m => m.digForGold())
.endComposite();

builder.endComposite();

this._tree = builder.build();
}

private digForGold(): TaskStatus{
console.log(`开始金币增加: ${this.state.gold}.`);
this.state.gold++;
this.state.fatigue++;
this.state.thirst++;

if( this.state.gold >= State.MAX_GOLD )
return TaskStatus.Failure;

return TaskStatus.Running;
}

private drink(): TaskStatus{
console.log(`开始喝水, 口渴程度: ${this.state.thirst}`);

if( this.state.thirst == 0 )
return TaskStatus.Success;

this.state.thirst--;
return TaskStatus.Running;
}

private sleep(): TaskStatus{
console.log(`开始睡觉, 当前疲惫值: ${this.state.fatigue}`);

if (this.state.fatigue == 0)
return TaskStatus.Success;

this.state.fatigue--;
return TaskStatus.Running;
}

private goToLocation(location: Locate): TaskStatus{
console.log(`前往目的地: ${location}. 距离: ${this._distanceToNextLocation}`);

if (location != this.state.currentLocation){
this._distanceToNextLocation--;
if (this._distanceToNextLocation == 0){
this.state.fatigue ++;
this.state.currentLocation = location;
this._distanceToNextLocation = Math.floor(Random.range(2, 8));
return TaskStatus.Success;
}

return TaskStatus.Running;
}

return TaskStatus.Success;
}

private depositGold(): TaskStatus{
this.state.goldInBank += this.state.gold;
this.state.gold = 0;

console.log(`存钱进入银行. 当前存款 ${this.state.goldInBank}`);

return TaskStatus.Success;
}
}
```

```typescript
class State{
public static MAX_FATIGUE: number = 10;
public static MAX_GOLD = 8;
public static MAX_THIRST = 5;

public fatigue: number = 0;
public thirst: number = 0;
public gold: number = 0;
public goldInBank: number = 0;
public currentLocation: Locate = Locate.Home;
}

enum Locate{
Home,
InTransit,
Mine,
Saloon,
Bank
}
```

开始行为树

```typescript
this.aiComponent = new AiComponent();
this.aiComponent.start();
```

最后还需要对aiComponent进行派发update事件更新

```typescript
this.aiComponent.update();
```

### Utility Based AI
游戏效用理论。 最复杂的AI解决方案。 最适合在其计分系统最有效的动态环境中使用。 基于实用程序的AI更适用于AI可以采取大量潜在竞争行为的情况,例如在RTS中。

#### Reasoner
从附加在Reasoner上的考虑因素列表中选择最佳考虑因素。一个实用AI的根。

#### Consideration
拥有一个评估和一个行动的列表。计算一个分数,用数字表示其行动的效用。

#### Appraisal
可以将一个或多个评估添加到Appraisal中。 他们计算并返回其使用代价的得分。

#### Action
当一个特定的考虑因素被选中时,AI执行的行动。

## 依赖库

[ecs-framework](https://github.com/esengine/ecs-framework)