关于预测树:
同事做了个demo，演示了这个预测树。感觉复杂的ai可能评分有点难（比如说团队合作之类的游戏，当然棋类游戏的话可以很容易使用这种方式）.
主要用了两个表： 评估表和评分表
每次预测时先产生一个根结点（带当前局面S(Situation)），并开始处理根结点
1.
依赖于全局评估表根据当前局面S产生可能的决策D（decision）(它有自己的局面S，在决策处理时进行刷新);
2.
遍历决策D列表模拟每一个决策的前瞻处理（并刷新当前决策下的局面S）;
在每一个决定处理完后又回到第1.步产生可能的新的决策列表以及对应的局面（模拟有深度限制），
当模拟深度结束时使用全局评分表对每个决策的新局面进行评分。把评分累积到父结点。
最后选择评分最高的决策作为下一步行动。(决策翻译成命令并发送)
posted on 2012-09-24 17:29
flipcode 阅读(307)
评论(0) 编辑 收藏 引用