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。
- 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
- actions
- 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
- actions
- core
egret核心扩展 - test
示例工程- utilityActions
实用AI示例目录
- utilityActions
- behaviourTree
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）：
// 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>( 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>(ChasingState);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。
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
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。
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
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
class AiComponent{
private _tree: BehaviorTree<AiComponent>;
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;
}
}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
this.aiComponent = new AiComponent();
this.aiComponent.start();最后还需要对aiComponent进行派发update事件更新
this.aiComponent.update();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。
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。
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。
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。
当一个特定的考虑因素被选中时，AI执行的行动。