轉轉至 閱讀筆記-遊戲開發中的人工智能-第6章-基本路徑尋找及航點應用
1. 基本的路徑尋找
從最基本得層次來講，路徑尋找只是讓某個遊戲角色，從其最初位置移向所需到達的目的地的過程而已。本質上，這一點和第二章中的基本追逐算法的原理相同。具體如：簡單追逐追逐方法（最簡單的使座標逐漸相同）和視線追逐方法（使用Breseman方法）。但是，如果遊戲環境中有障礙物，那麼就需要考慮其他事情了。如下圖所示，兩種方法產生的路徑都可能被障礙物阻截。
1.1 隨機移動避開障礙物
此方法適用於障礙物較少的情況，如下圖，環境中的樹木不是很多，隨意移動一下巨人，玩家就能進入巨人的視線。這種方法簡單有效，避免了負責路徑算法對CPU的消耗。
if(玩家在視線內) {
採用直線路徑走向玩家
}
else {
以隨機方向移動
}
1.2 繞行障礙物
繞行障礙物是另一種簡單的避開障礙物的方法。當你要在策略遊戲或者角色扮演遊戲中，找出一條繞過大型障礙物的路徑時，比如繞過山區，這種方法相當有效。
方法說明：· 假設單位透過障礙物看到目的地，但是不能夠越過障礙物到達目的地。
· 讓單位朝着目的地使用直接走過去，當遇到障礙物了，就沿着障礙物的邊緣走。
· 當障礙物與目的地之間沒有障礙物的時候，再朝着障礙物走過去。
2. 以麪包屑尋找路徑
麪包屑路徑尋找方式可以讓計算機控制角色看起來很聰明，因爲是玩家在不知不覺間替計算機控制角色建立了路徑。每次玩家走一步時，都會毫無所知地再遊戲世界中留下看不見的標記或者麪包屑。當遊戲角色碰到麪包屑時，就能憑着麪包屑一路走下去。遊戲角色會跟着玩家的足跡，直到追上玩家。
麪包屑方法也是計算機控制角色成羣移動的有效方式。不必讓羣體的每個成員，都以費事費力的路徑尋找算法找路徑，可以直接讓成員跟着領頭者留下的麪包屑走。
思考：角色智能與否，要看玩家的路徑是否智能，如果玩家在轉了一個圓圈，再走出去，那麼角色會完全複製玩家的路徑，這樣就不那麼智能了。對於成羣的單位也是這樣，如果單位都是按照領頭者的路線走，那麼就只有一種路線，太單調了。關鍵還是要找到合適的使用情況。
實際上，書中給出例子，也沒有完全複製目標單位的路徑，而是每次尋找最新的相鄰的麪包屑路徑。這個圖太模糊了，不上傳了。這樣就是在玩家走的路線中，做了一點點優化。
3. 尋着路徑走
路徑尋找通常僅被認爲是從起點行走到所需到達的目的地的問題。然而，很多情況下，在遊戲環境中，即使沒有最終的目的地，也要讓計算機控制的角色以仿真的現實的方式移動。例如，計算機控制的賽車就必須沿着賽車道前進。同樣，策略遊戲中，也許要讓軍隊在城鎮間的道路上巡邏。如下圖：
上圖中，標示爲1的地形元素視爲道路，標示爲2的地形元素視爲道路邊界以外的區域。我們不想讓巨人在道路上隨機移動，這種結果看起來不自然，我們想讓讓巨人看起來像是沿着道路行走。因此，我們需要分析周圍地形，決定巨人的路徑。
核心思路是，每一步儘量沿着上一步的路線走。比如：上一步走的是向左上方，那麼對8個方向給出8個權值，左上方的權值爲+2，上方和左方的權值都是+1，右下方的權值是-1，其他方向的權值都爲0。然後把這八個方向按權值從大到小排序，然後，選取數值最大的，且地形可以走到的位置，作爲路徑的下一步。最可能的是沿着左上方繼續走，最不可能的是原路返回。
4. 沿着牆走
和遵循道路走一樣，這種方法也不會去算起點和終點之間的路徑。沿着牆走更像是探索的技巧。有時候，需要讓計算機控制的角色探索環境，以搜尋玩家、武器、燃料、寶物或任何遊戲角色可以接觸的東西。讓計算機控制的角色在環境中隨機移動，是遊戲開發人員最常用的辦法。如下圖：
一個簡單的方法：左側移動法。即每次巨人總是儘量向其左邊移動，這樣就能對環境做出較爲完整的探索工作。但是要注意，左側移動法，並不能保證巨人會進入到遊戲環境中的每個房間。
5. 航點導航
路徑尋找是一項非常耗時，且耗用CPU資源的運算工作。減少這種困擾的方式之一，就是儘可能預先算好路徑。航點導航減少這種困擾的做法就是，認真地在遊戲環境中置放節點，然後，使用預先計算好的路徑，或者是簡單的路徑尋找方法在節點之間移動。如下圖：
注意，圖中的每個點，至少都能讓另一個節點的視線看見。這樣，遊戲控制的角色總是能使用簡單的視線算法，到達圖中的任何地點。下一步，就是規定這些節點之間的關係。
有了這個路徑關係，兩點之間的最短距離，就可以使用Dijkstra算法或者Floyd等算法實現。
6. 結束
本章討論的每種方法都有其優缺點，而且使用範圍往往比較侷限。下一章將要介紹的A*算法，可適用大部分的路徑尋找問題。
