简介

最近一阶段重温了一些关于游戏人工智能方面的书籍。 加强了对influence map的认知。想要亲自动手实现一下。

正如文章标题所示，这篇文章讲的是：如何将influence map的机制融入到当前较火的unity寻路插件A* pathfinding project里。

先科普一下Influence Map基本概念：

influence map中文名：*图或影响图。以下称*图。 *图是基于空间的，某些空间归属A，另外一些空间归属B，等等。

把问题规模缩小到一场游戏战役，每个兵种单位都占据并影响着一定的空间，且相同*的单位对同一空间的影响可以叠加，影响值随传播距离递减。

*图除了告诉我们某块空间的归属之外，还能告诉我们什么呢？

1，进攻方，可以根据*图选择率先攻击敌人薄弱的地方.防御方，可以根据*图选择一个较为安全的撤退地点。

2，进一步，统计分析，比如采取某种战略之后，观察*图变化，可以分析之前战略效果。

3，更进一步，通过对一段时间的*图进行对比，可以大致预测敌军的部署动向。

实现InfluenceMap的要点

1，定义各单位的*值传播范围，形状，特性（这是Gameplay）由于每个兵种的特性和能力值不同，故每个兵种单位的影响半径与程度不尽相同。

比如：一个坦克可以影响3km之内空间，3km之内都保持较高的影响。而一个机枪兵只能影响1km以内的空间，并且超出500m之后，士兵的影响十分微弱。

坦克相比机枪兵更具影响力，所以想要抵消掉坦克的影响，我们可能需要更多的机枪兵与之对抗。这些数值根据具体的游戏逻辑来设定。

2，实现传播算法，以什么样的方式传播，各*影响值得叠加逻辑。

3，实现衰减算法，以什么样的方式衰减，常见如影响随距离线性衰减。

本文使用的算法

1，确定传播区域，获取传播区域内node，从center node开始以广度优先遍历区域内node，更新influence值。

2，influence值随传播距离线性衰减。

这是最简单的方法，还有一些提高性能的方法，有兴趣同学可以google之。

寻路与InfluenceMap结合

通过以上的总结，我们已经知道了*图对于战略的作用。那么对于一般的游戏，我们是否用的上呢？

我现在的想法是，Influence map可以和寻路系统进行融合。比如，NPC在寻路的时候，不是选择一条最短的路径，而是选择一条最安全的路径。

只需想象一下即可，我们需要到达A点，但最短路径上有一个敌方炮塔，我们无法对抗炮塔的攻击，那么我们需要舍近求远，绕道一个炮塔无法攻击的地点，最终到达A点。

截图体现了我们之前总结出的规律：

1，影响的传播，红色区域乃是影响的传播范围。

2，影响的衰减，随着远离中心区域，红色逐渐变浅。

3，障碍物会阻碍影响的传播。

4，寻路小机器人，寻路时试图躲避高危的红色区域。

最后的大体效果：

寻路机器人会躲避敌方静止的机器人，并且双方相互影响。

相关修改文件，有兴趣朋友可以继续研究

编辑器扩展涉及到的文件如下：

Base.cs  AStarPath.cs  AStarPathEditor.cs  astarclassess.cs   核心代码 Color NodeColor (GraphNode node, PathHandler data)

*图的逻辑涉及到的文件如下：

astarclassess.cs          InfluenceUpdateObject这是一个新的类，表示那部分导航图需要更新。 可参考GraphUpdateObject

GridNode.cs / GraphNode.cs   添加node的influence信息。

GridGenerator.cs                         添加node的influence信息更新逻辑。

Seeker.cs                                      添加使用AInfluencePath寻路的逻辑。

AInfluencePath.cs         AInfluencePath : ABPath这是一个新的类，用A*算法求取的influence路径。

需要重定义public override uint GetTraversalCost (GraphNode node)

最近更新了一些细节：

主要优化了性能。因为A* pathfinding project 使用多线程。所以，在更新graph的Influence信息时，需要blockpathfinding thread.否则会出现寻路异常。

在更新完地图后 unblock pathfinding thread，为了防止频繁的block and unblock pathfinding thread，新建一个更新队列，批处理多个agent的更新请求。

如果有需要更新的Influence请求，就会请求block pathfinding thread，但该函数不会一直等待而是立即返回，下一帧查看pathfinding thread是否block。

如果后面某一帧 pathfinding thread block 那么立即批处理更新队列中的请求。 我们可以设置每帧更新请求数量的最大值，以免导致某帧会耗时过长。

没有位置和信息变化的agent不需要请求刷新Influence信息，并且同一个agent新的Influence信息会覆盖后面的信息。这样可以保证queue不会过度膨胀。