របៀបបង្កើត AI ហ្គេម៖ ការណែនាំសម្រាប់អ្នកចាប់ផ្តើមដំបូង

ខ្ញុំបានឆ្លងកាត់សម្ភារៈគួរឱ្យចាប់អារម្មណ៍មួយចំនួនអំពីបញ្ញាសិប្បនិម្មិតនៅក្នុងហ្គេម។ ជាមួយនឹងការពន្យល់អំពីរឿងជាមូលដ្ឋានអំពី AI ដោយប្រើឧទាហរណ៍សាមញ្ញ ហើយនៅខាងក្នុងមានឧបករណ៍ និងវិធីសាស្រ្តមានប្រយោជន៍ជាច្រើនសម្រាប់ការអភិវឌ្ឍន៍ និងការរចនាដ៏ងាយស្រួលរបស់វា។ របៀប កន្លែង និងពេលណាត្រូវប្រើពួកវាក៏មាននៅទីនោះដែរ។

ឧទាហរណ៍ភាគច្រើនត្រូវបានសរសេរជា pseudocode ដូច្នេះមិនចាំបាច់មានចំណេះដឹងផ្នែកសរសេរកម្មវិធីកម្រិតខ្ពស់ទេ។ នៅក្រោមការកាត់មាន 35 សន្លឹកនៃអត្ថបទដែលមានរូបភាពនិង gifs ដូច្នេះត្រៀមខ្លួន។

UPD ខ្ញុំសុំទោស ប៉ុន្តែខ្ញុំបានធ្វើការបកប្រែអត្ថបទនេះដោយខ្លួនឯងរួចហើយនៅលើ Habre អ្នកជម្ងឺZero. អ្នកអាចអានកំណែរបស់គាត់។ នៅទីនេះប៉ុន្តែសម្រាប់ហេតុផលមួយចំនួន អត្ថបទបានឆ្លងកាត់ខ្ញុំ (ខ្ញុំបានប្រើការស្វែងរក ប៉ុន្តែមានអ្វីមួយខុសប្រក្រតី)។ ហើយចាប់តាំងពីខ្ញុំកំពុងសរសេរនៅលើប្លក់ដែលឧទ្ទិសដល់ការអភិវឌ្ឍន៍ហ្គេម ខ្ញុំបានសម្រេចចិត្តចាកចេញពីកំណែបកប្រែរបស់ខ្ញុំសម្រាប់អ្នកជាវ (ចំណុចខ្លះត្រូវបានធ្វើទ្រង់ទ្រាយខុសគ្នា ខ្លះត្រូវបានលុបចោលដោយចេតនាតាមការណែនាំរបស់អ្នកអភិវឌ្ឍន៍)។

AI ជាអ្វី?

ហ្គេម AI ផ្តោតលើសកម្មភាពអ្វីដែលវត្ថុគួរអនុវត្តដោយផ្អែកលើលក្ខខណ្ឌដែលវាស្ថិតនៅ។ នេះត្រូវបានគេសំដៅជាទូទៅថាជាការគ្រប់គ្រង "ភ្នាក់ងារឆ្លាតវៃ" ដែលភ្នាក់ងារគឺជាតួអង្គអ្នកលេង យានជំនិះ រូបយន្ត ឬជួនកាលជាអ្វីដែលអរូបីជាងនេះ៖ ក្រុមទាំងមូលនៃអង្គភាព ឬសូម្បីតែអរិយធម៌។ ក្នុងករណីនីមួយៗ វាជារឿងដែលត្រូវតែមើលឃើញបរិយាកាសរបស់វា ធ្វើការសម្រេចចិត្តដោយផ្អែកលើវា និងធ្វើសកម្មភាពស្របតាមពួកគេ។ នេះត្រូវបានគេហៅថាវដ្តនៃអារម្មណ៍ / គិត / សកម្មភាព:

• អារម្មណ៍៖ ភ្នាក់ងារស្វែងរក ឬទទួលព័ត៌មានអំពីអ្វីៗនៅក្នុងបរិយាកាសរបស់វា ដែលអាចមានឥទ្ធិពលលើអាកប្បកិរិយារបស់វា (ការគំរាមកំហែងនៅក្បែរនោះ វត្ថុដែលត្រូវប្រមូល កន្លែងគួរឱ្យចាប់អារម្មណ៍ដើម្បីរុករក)។
• គិត៖ ភ្នាក់ងារសម្រេចចិត្តពីរបៀបប្រតិកម្ម (ពិចារណាថាតើវាមានសុវត្ថិភាពគ្រប់គ្រាន់ក្នុងការប្រមូលរបស់របរ ឬថាតើគាត់គួរប្រយុទ្ធ/លាក់មុន)។
• សកម្មភាព៖ ភ្នាក់ងារអនុវត្តសកម្មភាពដើម្បីអនុវត្តការសម្រេចចិត្តពីមុន (ចាប់ផ្តើមឆ្ពោះទៅរកសត្រូវ ឬវត្ថុ)។
• ...ឥឡូវនេះ ស្ថានភាពបានផ្លាស់ប្តូរដោយសារសកម្មភាពរបស់តួអង្គ ដូច្នេះវដ្តនេះកើតឡើងម្តងទៀតជាមួយនឹងទិន្នន័យថ្មី។

AI មានទំនោរផ្តោតលើផ្នែក Sense នៃរង្វិលជុំ។ ជាឧទាហរណ៍ រថយន្តស្វយ័តថតរូបផ្លូវ ផ្សំវាជាមួយទិន្នន័យរ៉ាដា និងលីដា ហើយបកស្រាយវា។ ជាធម្មតា នេះត្រូវបានធ្វើដោយការរៀនម៉ាស៊ីន ដែលដំណើរការទិន្នន័យចូល និងផ្តល់អត្ថន័យ ទាញយកព័ត៌មានតាមន័យដូចជា "មានឡានមួយទៀត 20 យ៉ាតពីមុខអ្នក"។ ទាំងនេះគឺជាអ្វីដែលគេហៅថាបញ្ហាចំណាត់ថ្នាក់។

ហ្គេមមិនត្រូវការប្រព័ន្ធស្មុគ្រស្មាញដើម្បីទាញយកព័ត៌មាន ដោយសារទិន្នន័យភាគច្រើនជាផ្នែកសំខាន់របស់វារួចទៅហើយ។ មិនចាំបាច់ដំណើរការក្បួនដោះស្រាយការទទួលស្គាល់រូបភាពដើម្បីកំណត់ថាតើមានសត្រូវនៅខាងមុខទេ ហ្គេមដឹង និងផ្តល់ព័ត៌មានដោយផ្ទាល់ទៅក្នុងដំណើរការធ្វើការសម្រេចចិត្ត។ ដូច្នេះ ផ្នែក Sense នៃវដ្តនេះ ច្រើនតែសាមញ្ញជាងផ្នែក Think and Act។

ដែនកំណត់នៃហ្គេម AI

AI មានដែនកំណត់មួយចំនួនដែលត្រូវសង្កេត៖

• AI មិន​ចាំបាច់​ត្រូវ​បាន​បណ្តុះ​បណ្តាល​ជា​មុន​ដូច​ជា​វា​ជា​ក្បួន​ដោះស្រាយ​ការ​រៀន​សូត្រ​របស់​ម៉ាស៊ីន។ វាគ្មានន័យទេក្នុងការសរសេរបណ្តាញសរសៃប្រសាទកំឡុងពេលអភិវឌ្ឍដើម្បីតាមដានអ្នកលេងរាប់ម៉ឺននាក់ និងរៀនពីវិធីល្អបំផុតដើម្បីលេងជាមួយពួកគេ។ ហេតុអ្វី? ដោយសារតែហ្គេមនេះមិនទាន់ចេញ ហើយមិនមានអ្នកលេង។
• ហ្គេមគួរតែមានភាពសប្បាយរីករាយ និងការប្រកួតប្រជែង ដូច្នេះភ្នាក់ងារមិនគួរស្វែងរកវិធីសាស្រ្តដ៏ល្អបំផុតប្រឆាំងនឹងមនុស្សនោះទេ។
• ភ្នាក់ងារត្រូវមើលទៅមានភាពប្រាកដនិយមដើម្បីឱ្យអ្នកលេងមានអារម្មណ៍ថាពួកគេកំពុងលេងជាមួយមនុស្សពិត។ កម្មវិធី AlphaGo ដំណើរការបានប្រសើរជាងមនុស្ស ប៉ុន្តែជំហានដែលបានជ្រើសរើសគឺនៅឆ្ងាយពីការយល់ដឹងបែបប្រពៃណីនៃហ្គេម។ ប្រសិនបើហ្គេមក្លែងធ្វើគូប្រជែងរបស់មនុស្ស អារម្មណ៍នេះមិនគួរមានទេ។ ក្បួនដោះស្រាយត្រូវផ្លាស់ប្តូរ ដើម្បីឱ្យវាធ្វើការសម្រេចចិត្តដែលអាចជឿជាក់បាន ជាជាងជម្រើសដ៏ល្អ។
• AI ត្រូវតែដំណើរការក្នុងពេលវេលាជាក់ស្តែង។ នេះមានន័យថា algorithm មិនអាចផ្តាច់មុខការប្រើប្រាស់ CPU ក្នុងរយៈពេលយូរដើម្បីធ្វើការសម្រេចចិត្តបានទេ។ សូម្បីតែ 10 មិល្លីវិនាទីក៏វែងពេកដែរ ព្រោះហ្គេមភាគច្រើនត្រូវការត្រឹមតែ 16 ទៅ 33 មិល្លីវិនាទីប៉ុណ្ណោះ ដើម្បីដំណើរការទាំងអស់ ហើយបន្តទៅស៊ុមក្រាហ្វិកបន្ទាប់។
• តាមឧត្ដមគតិ យ៉ាងហោចផ្នែកនៃប្រព័ន្ធគួរតែត្រូវបានដំណើរការដោយទិន្នន័យ ដូច្នេះអ្នកដែលមិនសរសេរកូដអាចធ្វើការផ្លាស់ប្តូរ ហើយការកែតម្រូវអាចកើតឡើងកាន់តែលឿន។

សូមក្រឡេកមើលវិធីសាស្រ្ត AI ដែលគ្របដណ្តប់វដ្តនៃអារម្មណ៍/ការគិត/សកម្មភាពទាំងមូល។

ធ្វើការសម្រេចចិត្តជាមូលដ្ឋាន

តោះចាប់ផ្តើមជាមួយហ្គេមសាមញ្ញបំផុត - Pong ។ គោលបំណង៖ រំកិលកប៉ាល់ដើម្បីឱ្យបាល់លោតចេញពីវា ជាជាងហោះកាត់វា។ វាដូចជាកីឡាវាយកូនបាល់ ដែលអ្នកចាញ់ ប្រសិនបើអ្នកមិនវាយបាល់។ នៅទីនេះ AI មានកិច្ចការងាយស្រួលមួយ - ការសម្រេចចិត្តក្នុងទិសដៅណាមួយដើម្បីផ្លាស់ទីវេទិកា។

សេចក្តីថ្លែងការណ៍តាមលក្ខខណ្ឌ

សម្រាប់ AI នៅក្នុង Pong ដំណោះស្រាយជាក់ស្តែងបំផុតគឺត្រូវព្យាយាមដាក់វេទិកានៅក្រោមបាល់ជានិច្ច។

ក្បួនដោះស្រាយសាមញ្ញសម្រាប់ការនេះ សរសេរជា pseudocode៖

រាល់ស៊ុម / ការធ្វើបច្ចុប្បន្នភាពខណៈពេលដែលហ្គេមកំពុងដំណើរការ៖
ប្រសិនបើបាល់នៅខាងឆ្វេងនៃ paddle:
ផ្លាស់ទីស្លាបឆ្វេង
ផ្សេងទៀតប្រសិនបើបាល់នៅខាងស្តាំនៃ paddle:
ផ្លាស់ទី paddle ស្តាំ

ប្រសិនបើវេទិកាផ្លាស់ទីក្នុងល្បឿនបាល់ នោះនេះគឺជាក្បួនដោះស្រាយដ៏ល្អសម្រាប់ AI នៅក្នុង Pong ។ មិនចាំបាច់មានភាពស្មុគស្មាញអ្វីទេ ប្រសិនបើមិនមានទិន្នន័យច្រើន និងសកម្មភាពដែលអាចកើតមានសម្រាប់ភ្នាក់ងារ។

វិធីសាស្រ្តនេះគឺសាមញ្ញណាស់ដែលវដ្តនៃអារម្មណ៍/ការគិត/សកម្មភាពទាំងមូលគឺស្ទើរតែគួរឱ្យកត់សម្គាល់។ ប៉ុន្តែវានៅទីនោះ៖

• ផ្នែក Sense គឺនៅក្នុងពាក្យពីរ if ។ ហ្គេមដឹងថាបាល់នៅទីណា និងកន្លែងណាដែលជាវេទិកា ដូច្នេះ AI រកមើលវាសម្រាប់ព័ត៌មាននោះ។
• ផ្នែក Think ក៏ត្រូវបានរួមបញ្ចូលផងដែរនៅក្នុងសេចក្តីថ្លែងការណ៍ពីរ។ ពួកគេរួមបញ្ចូលដំណោះស្រាយពីរ ដែលក្នុងករណីនេះគឺផ្តាច់មុខទៅវិញទៅមក។ ជាលទ្ធផល សកម្មភាពមួយក្នុងចំណោមសកម្មភាពទាំងបីត្រូវបានជ្រើសរើស - ផ្លាស់ទីវេទិកាទៅខាងឆ្វេង ផ្លាស់ទីវាទៅខាងស្តាំ ឬមិនធ្វើអ្វីប្រសិនបើវាត្រូវបានដាក់ត្រឹមត្រូវរួចហើយ។
• ផ្នែកច្បាប់ត្រូវបានរកឃើញនៅក្នុង Move Paddle Left និង Move Paddle Right ។ អាស្រ័យលើការរចនាហ្គេម ពួកគេអាចផ្លាស់ទីវេទិកាភ្លាមៗ ឬក្នុងល្បឿនជាក់លាក់មួយ។

វិធីសាស្រ្តបែបនេះត្រូវបានគេហៅថាប្រតិកម្ម - មានច្បាប់សាមញ្ញមួយ (ក្នុងករណីនេះប្រសិនបើសេចក្តីថ្លែងការណ៍នៅក្នុងកូដ) ដែលមានប្រតិកម្មទៅនឹងស្ថានភាពបច្ចុប្បន្ននៃពិភពលោកនិងចាត់វិធានការ។

ដើមឈើការសម្រេចចិត្ត

ឧទាហរណ៍ Pong គឺពិតជាស្មើនឹងគោលគំនិត AI ផ្លូវការដែលហៅថា មែកធាងការសម្រេចចិត្ត។ ក្បួនដោះស្រាយឆ្លងកាត់វាដើម្បីឈានដល់ "ស្លឹក" ដែលជាការសម្រេចចិត្តអំពីសកម្មភាពដែលត្រូវចាត់វិធានការ។

ចូរបង្កើតដ្យាក្រាមប្លុកនៃមែកធាងការសម្រេចចិត្តសម្រាប់ក្បួនដោះស្រាយនៃវេទិការបស់យើង៖

ផ្នែកនីមួយៗនៃមែកធាងត្រូវបានគេហៅថាថ្នាំង - AI ប្រើទ្រឹស្តីក្រាហ្វដើម្បីពិពណ៌នាអំពីរចនាសម្ព័ន្ធបែបនេះ។ ថ្នាំងមានពីរប្រភេទ៖

• ថ្នាំងការសម្រេចចិត្ត៖ ជ្រើសរើសរវាងជម្រើសពីរដោយផ្អែកលើការសាកល្បងលក្ខខណ្ឌមួយចំនួន ដែលជម្រើសនីមួយៗត្រូវបានតំណាងថាជាថ្នាំងដាច់ដោយឡែក។
• ថ្នាំងបញ្ចប់៖ សកម្មភាពដើម្បីអនុវត្តដែលតំណាងឱ្យការសម្រេចចិត្តចុងក្រោយ។

ក្បួនដោះស្រាយចាប់ផ្តើមពីថ្នាំងដំបូង ("ឫស" នៃមែកធាង) ។ វាធ្វើការសម្រេចចិត្តអំពីថ្នាំងកូនមួយណាដែលត្រូវទៅ ឬវាប្រតិបត្តិសកម្មភាពដែលរក្សាទុកក្នុងថ្នាំង និងចេញ។

តើ​ការ​មាន​មែកធាង​ការ​សម្រេច​ចិត្ត​ធ្វើ​ការងារ​ដូច​នឹង if statements ក្នុង​ផ្នែក​មុន​មាន​អត្ថប្រយោជន៍​អ្វី​ខ្លះ? មានប្រព័ន្ធទូទៅនៅទីនេះ ដែលការសម្រេចចិត្តនីមួយៗមានលក្ខខណ្ឌតែមួយ និងលទ្ធផលដែលអាចមានពីរ។ នេះអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍បង្កើត AI ពីទិន្នន័យតំណាងឱ្យការសម្រេចចិត្តនៅក្នុងមែកធាងដោយមិនចាំបាច់សរសេរកូដវាឱ្យខ្លាំង។ ចូរបង្ហាញវាជាទម្រង់តារាង៖

នៅផ្នែកខាងកូដ អ្នកនឹងទទួលបានប្រព័ន្ធសម្រាប់អានខ្សែអក្សរ។ បង្កើតថ្នាំងសម្រាប់ពួកវានីមួយៗ ភ្ជាប់តក្កកម្មនៃការសម្រេចចិត្តដោយផ្អែកលើជួរឈរទីពីរ និងថ្នាំងកូនដោយផ្អែកលើជួរឈរទីបី និងទីបួន។ អ្នកនៅតែត្រូវរៀបចំកម្មវិធីលក្ខខណ្ឌ និងសកម្មភាព ប៉ុន្តែឥឡូវនេះរចនាសម្ព័ន្ធនៃហ្គេមនឹងកាន់តែស្មុគស្មាញ។ នៅទីនេះអ្នកបន្ថែមការសម្រេចចិត្ត និងសកម្មភាពបន្ថែម ហើយបន្ទាប់មកប្ដូរតាមបំណង AI ទាំងមូលដោយគ្រាន់តែកែសម្រួលឯកសារអត្ថបទនិយមន័យដើមឈើ។ បន្ទាប់មក អ្នកផ្ទេរឯកសារទៅអ្នករចនាហ្គេម ដែលអាចផ្លាស់ប្តូរឥរិយាបថដោយមិនចាំបាច់ចងក្រងហ្គេមឡើងវិញ ឬផ្លាស់ប្តូរលេខកូដ។

មែកធាងការសម្រេចចិត្តមានប្រយោជន៍ខ្លាំងណាស់នៅពេលដែលពួកវាត្រូវបានបង្កើតដោយស្វ័យប្រវត្តិពីសំណុំនៃឧទាហរណ៍ជាច្រើន (ឧទាហរណ៍ ដោយប្រើក្បួនដោះស្រាយ ID3)។ នេះធ្វើឱ្យពួកវាជាឧបករណ៍ដ៏មានប្រសិទ្ធភាព និងមានប្រសិទ្ធភាពខ្ពស់សម្រាប់ចាត់ថ្នាក់ស្ថានភាពដោយផ្អែកលើទិន្នន័យដែលទទួលបាន។ ទោះយ៉ាងណាក៏ដោយ យើងហួសពីប្រព័ន្ធសាមញ្ញមួយសម្រាប់ភ្នាក់ងារដើម្បីជ្រើសរើសសកម្មភាព។

សេណារីយ៉ូ

យើងបានវិភាគប្រព័ន្ធមែកធាងការសម្រេចចិត្តដែលប្រើលក្ខខណ្ឌ និងសកម្មភាពដែលបានបង្កើតជាមុន។ អ្នករចនា AI អាចរៀបចំមែកធាងតាមដែលគាត់ចង់បាន ប៉ុន្តែគាត់នៅតែត្រូវពឹងផ្អែកលើអ្នកសរសេរកូដដែលសរសេរកម្មវិធីទាំងអស់។ ចុះប្រសិនបើយើងអាចផ្តល់ឱ្យអ្នករចនានូវឧបករណ៍ដើម្បីបង្កើតលក្ខខណ្ឌ ឬសកម្មភាពរបស់ពួកគេ?

ដូច្នេះអ្នកសរសេរកម្មវិធីមិនចាំបាច់សរសេរកូដសម្រាប់លក្ខខណ្ឌ Is Ball Left Of Paddle និង Is Ball Right Of Paddle គាត់អាចបង្កើតប្រព័ន្ធមួយដែលអ្នករចនានឹងសរសេរលក្ខខណ្ឌដើម្បីពិនិត្យមើលតម្លៃទាំងនេះ។ បន្ទាប់មកទិន្នន័យដើមឈើការសម្រេចចិត្តនឹងមើលទៅដូចនេះ៖

នេះគឺដូចគ្នាទៅនឹងតារាងទីមួយដែរ ប៉ុន្តែដំណោះស្រាយនៅក្នុងខ្លួនគេមានកូដផ្ទាល់ខ្លួនរបស់វា ស្រដៀងនឹងផ្នែកដែលមានលក្ខខណ្ឌនៃ if statement។ នៅផ្នែកខាងកូដ វានឹងអាននៅក្នុងជួរទីពីរសម្រាប់ថ្នាំងការសម្រេចចិត្ត ប៉ុន្តែជំនួសឱ្យការស្វែងរកលក្ខខណ្ឌជាក់លាក់មួយដើម្បីប្រតិបត្តិ (Is Ball Left Of Paddle) វាវាយតម្លៃកន្សោមតាមលក្ខខណ្ឌ ហើយត្រឡប់ពិតឬមិនពិតទៅតាមនោះ។ នេះត្រូវបានធ្វើដោយប្រើភាសាអក្សរ Lua ឬ Angelscript ។ ដោយប្រើពួកវា អ្នកអភិវឌ្ឍន៍អាចយកវត្ថុនៅក្នុងហ្គេមរបស់គាត់ (បាល់ និង paddle) ហើយបង្កើតអថេរដែលនឹងមាននៅក្នុងស្គ្រីប (ball.position)។ ផងដែរ ភាសាស្គ្រីបគឺសាមញ្ញជាង C++ ។ វាមិនតម្រូវឱ្យមានដំណាក់កាលចងក្រងពេញលេញនោះទេ ដូច្នេះវាល្អសម្រាប់ការកែសម្រួលតក្កវិជ្ជាហ្គេមយ៉ាងឆាប់រហ័ស និងអនុញ្ញាតឱ្យ "អ្នកមិនសរសេរកូដ" បង្កើតមុខងារចាំបាច់ដោយខ្លួនឯង។

ក្នុងឧទាហរណ៍ខាងលើ ភាសាស្គ្រីបត្រូវបានប្រើដើម្បីវាយតម្លៃកន្សោមតាមលក្ខខណ្ឌប៉ុណ្ណោះ ប៉ុន្តែវាក៏អាចប្រើសម្រាប់សកម្មភាពផងដែរ។ ឧទាហរណ៍ ទិន្នន័យ Move Paddle Right អាចក្លាយជា script statement (ball.position.x += 10)។ ដូច្នេះសកម្មភាពត្រូវបានកំណត់ផងដែរនៅក្នុងស្គ្រីបដោយមិនចាំបាច់មានកម្មវិធី Move Paddle Right ។

អ្នកអាចទៅបន្ថែមទៀត ហើយសរសេរមែកធាងការសម្រេចចិត្តទាំងមូលជាភាសាស្គ្រីប។ នេះនឹងជាកូដក្នុងទម្រង់នៃសេចក្តីថ្លែងការតាមលក្ខខណ្ឌដែលបានកំណត់ដោយ hardcode ប៉ុន្តែពួកវានឹងមានទីតាំងនៅក្នុងឯកសារស្គ្រីបខាងក្រៅ ពោលគឺពួកគេអាចផ្លាស់ប្តូរបានដោយមិនចាំបាច់ចងក្រងកម្មវិធីទាំងមូលឡើងវិញ។ ជាញឹកញាប់អ្នកអាចកែសម្រួលឯកសារស្គ្រីបកំឡុងពេលលេងហ្គេម ដើម្បីសាកល្បងការឆ្លើយតប AI ផ្សេងៗបានយ៉ាងឆាប់រហ័ស។

ការឆ្លើយតបព្រឹត្តិការណ៍

ឧទាហរណ៍ខាងលើគឺល្អឥតខ្ចោះសម្រាប់ Pong ។ ពួកគេបន្តដំណើរការ Sense/Think/Act Cycle ហើយធ្វើសកម្មភាពដោយផ្អែកលើស្ថានភាពចុងក្រោយបង្អស់របស់ពិភពលោក។ ប៉ុន្តែនៅក្នុងហ្គេមដែលស្មុគស្មាញជាងនេះ អ្នកត្រូវមានប្រតិកម្មចំពោះព្រឹត្តិការណ៍នីមួយៗ ហើយមិនត្រូវវាយតម្លៃអ្វីៗទាំងអស់ក្នុងពេលតែមួយនោះទេ។ Pong ក្នុងករណីនេះគឺជាគំរូអាក្រក់រួចទៅហើយ។ តោះជ្រើសរើសមួយទៀត។

ស្រមៃមើលអ្នកបាញ់ប្រហារដែលសត្រូវគ្មានចលនារហូតដល់ពួកគេរកឃើញអ្នកលេង បន្ទាប់ពីនោះពួកគេធ្វើសកម្មភាពអាស្រ័យលើ "ជំនាញ" របស់ពួកគេ៖ នរណាម្នាក់នឹងរត់ទៅ "ប្រញាប់" នរណាម្នាក់នឹងវាយប្រហារពីចម្ងាយ។ វានៅតែជាប្រព័ន្ធប្រតិកម្មជាមូលដ្ឋាន - "ប្រសិនបើអ្នកលេងត្រូវបានគេប្រទះឃើញ ធ្វើអ្វីមួយ" ប៉ុន្តែវាអាចត្រូវបានបំបែកជាឡូជីខលទៅជាព្រឹត្តិការណ៍ដែលអ្នកលេងបានឃើញ និងប្រតិកម្ម (ជ្រើសរើសការឆ្លើយតប និងប្រតិបត្តិវា)។

វានាំយើងត្រលប់ទៅវដ្តនៃអារម្មណ៍/គិត/សកម្មភាព។ យើងអាចសរសេរកូដផ្នែក Sense ដែលនឹងពិនិត្យមើលរាល់ស៊ុមថាតើ AI មើលឃើញអ្នកលេងឬអត់។ បើមិនដូច្នោះទេ គ្មានអ្វីកើតឡើងទេ ប៉ុន្តែប្រសិនបើវាឃើញ នោះព្រឹត្តិការណ៍ដែលបានឃើញអ្នកលេងត្រូវបានបង្កើត។ លេខកូដនឹងមានផ្នែកដាច់ដោយឡែកដែលនិយាយថា "នៅពេលដែលព្រឹត្តិការណ៍ដែលបានឃើញអ្នកលេងកើតឡើង ធ្វើ" ដែលជាកន្លែងដែលជាការឆ្លើយតបដែលអ្នកត្រូវការដើម្បីដោះស្រាយផ្នែកគិតនិងសកម្មភាព។ ដូច្នេះ អ្នកនឹងរៀបចំប្រតិកម្មចំពោះព្រឹត្តិការណ៍ដែលអ្នកលេងបានឃើញ៖ សម្រាប់តួអង្គ "ប្រញាប់" - ChargeAndAttack និងសម្រាប់អ្នកលបបាញ់ - HideAndSnipe ។ ទំនាក់ទំនងទាំងនេះអាចត្រូវបានបង្កើតនៅក្នុងឯកសារទិន្នន័យសម្រាប់ការកែសម្រួលរហ័សដោយមិនចាំបាច់ចងក្រងឡើងវិញ។ ភាសាស្គ្រីបអាចត្រូវបានប្រើនៅទីនេះផងដែរ។

ធ្វើការសម្រេចចិត្តពិបាក

ទោះបីជាប្រព័ន្ធប្រតិកម្មសាមញ្ញមានឥទ្ធិពលខ្លាំងក៏ដោយ មានស្ថានភាពជាច្រើនដែលវាមិនគ្រប់គ្រាន់។ ពេលខ្លះអ្នកត្រូវធ្វើការសម្រេចចិត្តផ្សេងៗគ្នាដោយផ្អែកលើអ្វីដែលភ្នាក់ងារកំពុងធ្វើ ប៉ុន្តែវាពិបាកក្នុងការស្រមៃថានេះជាលក្ខខណ្ឌមួយ។ ពេលខ្លះមានលក្ខខណ្ឌច្រើនពេកក្នុងការតំណាងឱ្យពួកគេប្រកបដោយប្រសិទ្ធភាពនៅក្នុងមែកធាងការសម្រេចចិត្ត ឬស្គ្រីប។ ពេលខ្លះអ្នកត្រូវវាយតម្លៃជាមុនថាតើស្ថានភាពនឹងផ្លាស់ប្តូរយ៉ាងដូចម្តេច មុនពេលសម្រេចចិត្តលើជំហានបន្ទាប់។ វិធីសាស្រ្តស្មុគ្រស្មាញបន្ថែមទៀតគឺត្រូវការជាចាំបាច់ដើម្បីដោះស្រាយបញ្ហាទាំងនេះ។

ម៉ាស៊ីនកំណត់ស្ថានភាព

Finite state machine ឬ FSM (ម៉ាស៊ីនរដ្ឋកំណត់) គឺជាវិធីមួយដែលនិយាយថាភ្នាក់ងាររបស់យើងបច្ចុប្បន្នស្ថិតនៅក្នុងរដ្ឋមួយក្នុងចំណោមរដ្ឋដែលអាចធ្វើទៅបាន ហើយវាអាចផ្លាស់ប្តូរពីរដ្ឋមួយទៅរដ្ឋមួយទៀត។ មានចំនួនជាក់លាក់នៃរដ្ឋបែបនេះ - ដូច្នេះឈ្មោះ។ ឧទាហរណ៍ដ៏ល្អបំផុតពីជីវិតគឺភ្លើងចរាចរណ៍។ មានលំដាប់ផ្សេងគ្នានៃពន្លឺនៅកន្លែងផ្សេងគ្នា ប៉ុន្តែគោលការណ៍គឺដូចគ្នា - រដ្ឋនីមួយៗតំណាងឱ្យអ្វីមួយ (ឈប់ដើរ។ ល។ ) ។ ភ្លើងសញ្ញាចរាចរណ៍ស្ថិតនៅក្នុងស្ថានភាពតែមួយនៅពេលណាមួយ ហើយផ្លាស់ទីពីមួយទៅមួយទៀតដោយផ្អែកលើច្បាប់សាមញ្ញ។

វាជារឿងស្រដៀងគ្នាជាមួយ NPCs នៅក្នុងហ្គេម។ ជាឧទាហរណ៍ ចូរយើងប្រុងប្រយ័ត្នជាមួយរដ្ឋខាងក្រោម៖

• ការដើរល្បាត។
• ការវាយប្រហារ។
• រត់គេចខ្លួន។

ហើយលក្ខខណ្ឌទាំងនេះសម្រាប់ការផ្លាស់ប្តូរស្ថានភាពរបស់វា៖

• បើ​អ្នក​យាម​ឃើញ​ខ្មាំង​សត្រូវ គាត់​វាយ​ប្រហារ។
• បើ​ឆ្មាំ​វាយ​ប្រហារ​តែ​លែង​ឃើញ​ខ្មាំង គាត់​ត្រឡប់​ទៅ​ល្បាត​វិញ។
• បើ​អ្នក​យាម​វាយ​តែ​របួស​ធ្ងន់ គាត់​រត់​ទៅ​បាត់។

អ្នកក៏អាចសរសេរ if-statements ជាមួយនឹងអថេររដ្ឋអាណាព្យាបាល និងការត្រួតពិនិត្យផ្សេងៗ៖ តើមានសត្រូវនៅក្បែរនោះ តើកម្រិតសុខភាពរបស់ NPC ជាអ្វី។

• ភាពទំនេរ - រវាងការល្បាត។
• ការស្វែងរក - នៅពេលដែលសត្រូវដែលបានកត់សម្គាល់បានបាត់ខ្លួន។
• ស្វែងរកជំនួយ - នៅពេលដែលសត្រូវត្រូវបានគេប្រទះឃើញ ប៉ុន្តែខ្លាំងពេកក្នុងការប្រយុទ្ធតែម្នាក់ឯង។

ជម្រើសសម្រាប់ពួកគេម្នាក់ៗមានកម្រិត - ឧទាហរណ៍ អ្នកយាមនឹងមិនទៅស្វែងរកសត្រូវដែលលាក់កំបាំងទេ ប្រសិនបើគាត់មានសុខភាពខ្សោយ។

នៅទីបំផុត បញ្ជីដ៏ធំនៃ "ប្រសិនបើ នោះ " អាចក្លាយទៅជាមិនច្បាស់ពេក ដូច្នេះយើងត្រូវបង្កើតវិធីសាស្រ្តផ្លូវការដែលអនុញ្ញាតឱ្យយើងរក្សាទុករដ្ឋ និងការផ្លាស់ប្តូររវាងរដ្ឋនៅក្នុងចិត្ត។ ដើម្បីធ្វើដូច្នេះ យើងត្រូវគិតគូរអំពីរដ្ឋទាំងអស់ ហើយនៅក្រោមរដ្ឋនីមួយៗ យើងសរសេរក្នុងបញ្ជីការផ្លាស់ប្តូរទាំងអស់ទៅកាន់រដ្ឋផ្សេងទៀត រួមជាមួយនឹងលក្ខខណ្ឌចាំបាច់សម្រាប់ពួកគេ។

នេះគឺជាតារាងផ្លាស់ប្តូររដ្ឋ - មធ្យោបាយទូលំទូលាយដើម្បីតំណាងឱ្យ FSM ។ ចូរគូរដ្យាក្រាមមួយ ហើយទទួលបានទិដ្ឋភាពទូទៅនៃការផ្លាស់ប្តូរឥរិយាបថ NPC ។

ដ្យាក្រាមឆ្លុះបញ្ចាំងពីខ្លឹមសារនៃការសម្រេចចិត្តសម្រាប់ភ្នាក់ងារនេះដោយផ្អែកលើស្ថានភាពបច្ចុប្បន្ន។ លើសពីនេះទៅទៀត ព្រួញនីមួយៗបង្ហាញការផ្លាស់ប្តូររវាងរដ្ឋ ប្រសិនបើលក្ខខណ្ឌនៅជាប់នឹងវាពិត។

ការអាប់ដេតនីមួយៗ យើងពិនិត្យមើលស្ថានភាពបច្ចុប្បន្នរបស់ភ្នាក់ងារ រកមើលតាមរយៈបញ្ជីនៃការផ្លាស់ប្តូរ ហើយប្រសិនបើលក្ខខណ្ឌសម្រាប់ការផ្លាស់ប្តូរត្រូវបានបំពេញ វាទទួលយកស្ថានភាពថ្មី។ ឧទាហរណ៍ ស៊ុមនីមួយៗពិនិត្យមើលថាតើកម្មវិធីកំណត់ម៉ោង 10 វិនាទីបានផុតកំណត់ឬអត់ ហើយប្រសិនបើដូច្នេះមែននោះ ឆ្មាំនឹងចេញពីរដ្ឋ Idling ទៅ Patrolling។ តាមរបៀបដូចគ្នា រដ្ឋវាយប្រហារពិនិត្យសុខភាពរបស់ភ្នាក់ងារ - ប្រសិនបើវាទាប នោះវាចូលទៅក្នុងស្ថានភាពភៀសខ្លួន។

នេះគឺជាការដោះស្រាយការផ្លាស់ប្តូររវាងរដ្ឋ ប៉ុន្តែចុះយ៉ាងណាចំពោះអាកប្បកិរិយាដែលទាក់ទងនឹងរដ្ឋខ្លួនឯង? នៅក្នុងលក្ខខណ្ឌនៃការអនុវត្តអាកប្បកិរិយាជាក់ស្តែងសម្រាប់រដ្ឋជាក់លាក់មួយ ជាទូទៅមានពីរប្រភេទនៃ "ទំពក់" ដែលយើងកំណត់សកម្មភាពទៅ FSM:

• សកម្មភាពដែលយើងធ្វើជាទៀងទាត់សម្រាប់ស្ថានភាពបច្ចុប្បន្ន។
• សកម្មភាពដែលយើងធ្វើនៅពេលផ្លាស់ប្តូរពីរដ្ឋមួយទៅរដ្ឋមួយទៀត។

ឧទាហរណ៍សម្រាប់ប្រភេទទីមួយ។ រដ្ឋល្បាតនឹងផ្លាស់ទីភ្នាក់ងារទៅតាមផ្លូវល្បាតនីមួយៗ។ រដ្ឋវាយប្រហារនឹងព្យាយាមផ្តួចផ្តើមការវាយប្រហារមួយក្នុងស៊ុមនីមួយៗ ឬផ្លាស់ប្តូរទៅរដ្ឋដែលវាអាចទៅរួច។

សម្រាប់ប្រភេទទីពីរ ពិចារណាការផ្លាស់ប្តូរ “ប្រសិនបើសត្រូវអាចមើលឃើញ ហើយសត្រូវខ្លាំងពេក សូមចូលទៅកាន់ស្ថានភាពស្វែងរកជំនួយ។ ភ្នាក់ងារត្រូវតែជ្រើសរើសកន្លែងដែលត្រូវទៅសម្រាប់ជំនួយ និងរក្សាទុកព័ត៌មាននេះ ដើម្បីឱ្យរដ្ឋស្វែងរកជំនួយដឹងពីកន្លែងដែលត្រូវទៅ។ នៅពេលដែលជំនួយត្រូវបានរកឃើញ ភ្នាក់ងារត្រឡប់ទៅស្ថានភាពវាយប្រហារវិញ។ នៅពេលនេះ គាត់នឹងចង់ប្រាប់សម្ព័ន្ធមិត្តអំពីការគំរាមកំហែង ដូច្នេះសកម្មភាព NotifyFriendOfThreat អាចកើតឡើង។

ជា​ថ្មី​ម្តង​ទៀត យើង​អាច​មើល​ប្រព័ន្ធ​នេះ​តាម​រយៈ​កញ្ចក់​នៃ​វដ្ដ Sense/Think/Act។ Sense ត្រូវបានបញ្ចូលទៅក្នុងទិន្នន័យដែលប្រើដោយតក្កវិជ្ជានៃការផ្លាស់ប្តូរ។ គិត - ដំណើរផ្លាស់ប្តូរដែលមាននៅក្នុងរដ្ឋនីមួយៗ។ ហើយច្បាប់ត្រូវបានអនុវត្តដោយសកម្មភាពដែលត្រូវបានអនុវត្តជាទៀងទាត់នៅក្នុងរដ្ឋមួយឬនៅក្នុងការផ្លាស់ប្តូររវាងរដ្ឋ។

ពេលខ្លះលក្ខខណ្ឌផ្លាស់ប្តូរការបោះឆ្នោតជាបន្តបន្ទាប់អាចមានតម្លៃថ្លៃ។ ឧទាហរណ៍ ប្រសិនបើភ្នាក់ងារនីមួយៗធ្វើការគណនាស្មុគ្រស្មាញគ្រប់ស៊ុមដើម្បីកំណត់ថាតើវាអាចមើលឃើញសត្រូវ និងយល់ថាតើវាអាចផ្លាស់ប្តូរពីរដ្ឋ Patrolling ទៅជា Attacking នោះវានឹងត្រូវការពេលវេលា CPU ច្រើន។

ការផ្លាស់ប្តូរសំខាន់ៗនៅក្នុងស្ថានភាពនៃពិភពលោកអាចត្រូវបានគេគិតថាជាព្រឹត្តិការណ៍ដែលនឹងត្រូវបានដំណើរការនៅពេលដែលវាកើតឡើង។ ជំនួសឱ្យ FSM ពិនិត្យមើលលក្ខខណ្ឌផ្លាស់ប្តូរ "ភ្នាក់ងាររបស់ខ្ញុំអាចមើលអ្នកលេងបានទេ?" រាល់ស៊ុម ប្រព័ន្ធដាច់ដោយឡែកអាចត្រូវបានកំណត់រចនាសម្ព័ន្ធដើម្បីពិនិត្យមើលតិចជាញឹកញាប់ (ឧ. 5 ដងក្នុងមួយវិនាទី)។ ហើយលទ្ធផលគឺចេញ Player Seen នៅពេលដែល check ឆ្លងកាត់។

នេះត្រូវបានបញ្ជូនទៅ FSM ដែលឥឡូវនេះគួរតែទៅកាន់ព្រឹត្តិការណ៍ Player Seen ដែលបានទទួលលក្ខខណ្ឌ ហើយឆ្លើយតបទៅតាមនោះ។ ឥរិយាបថលទ្ធផលគឺដូចគ្នា លើកលែងតែការពន្យារពេលស្ទើរតែមិនអាចយល់បានមុនពេលឆ្លើយតប។ ប៉ុន្តែការសម្តែងបានប្រសើរឡើងជាលទ្ធផលនៃការបំបែកផ្នែក Sense ទៅជាផ្នែកដាច់ដោយឡែកនៃកម្មវិធី។

ម៉ាស៊ីនកំណត់ស្ថានភាពតាមឋានានុក្រម

ទោះជាយ៉ាងណាក៏ដោយការធ្វើការជាមួយ FSMs ធំមិនតែងតែងាយស្រួលនោះទេ។ ប្រសិនបើយើងចង់ពង្រីកស្ថានភាពវាយប្រហារដើម្បីបំបែក MeleeAttacking និង RangedAttacking យើងនឹងត្រូវផ្លាស់ប្តូរការផ្លាស់ប្តូរពីរដ្ឋផ្សេងទៀតទាំងអស់ដែលនាំទៅដល់ស្ថានភាពវាយប្រហារ (បច្ចុប្បន្ន និងអនាគត)។

អ្នកប្រហែលជាបានកត់សម្គាល់ថានៅក្នុងឧទាហរណ៍របស់យើងមានការផ្លាស់ប្តូរស្ទួនជាច្រើន។ ការផ្លាស់ប្តូរភាគច្រើននៅក្នុងរដ្ឋ Idling គឺដូចគ្នាបេះបិទទៅនឹងការផ្លាស់ប្តូរនៅក្នុងរដ្ឋ Patrolling ។ វាជាការប្រសើរណាស់ដែលមិនធ្វើម្តងទៀតដោយខ្លួនឯង ជាពិសេសប្រសិនបើយើងបន្ថែមរដ្ឋស្រដៀងគ្នាបន្ថែមទៀត។ វាសមហេតុផលចំពោះក្រុម Idling និង Patrolling ក្រោមស្លាកទូទៅនៃ "មិនប្រយុទ្ធ" ដែលជាកន្លែងដែលមានសំណុំធម្មតាតែមួយគត់នៃការផ្លាស់ប្តូរទៅកាន់រដ្ឋប្រយុទ្ធ។ ប្រសិនបើយើងគិតពីស្លាកនេះជារដ្ឋ នោះ Idling និង Patrolling ក្លាយជារដ្ឋរង។ ឧទាហរណ៍នៃការប្រើប្រាស់តារាងផ្លាស់ប្តូរដាច់ដោយឡែកសម្រាប់ substate មិនប្រយុទ្ធថ្មី៖

រដ្ឋសំខាន់ៗ៖


ចេញពីស្ថានភាពប្រយុទ្ធ៖


ហើយក្នុងទម្រង់ដ្យាក្រាម៖

វាជាប្រព័ន្ធដូចគ្នា ប៉ុន្តែជាមួយនឹងស្ថានភាពមិនប្រយុទ្ធថ្មី ដែលរួមមាន Idling និង Patrolling។ ជាមួយនឹងរដ្ឋនីមួយៗដែលមាន FSM ជាមួយ substate (និង substate ទាំងនេះមាន FSMs ផ្ទាល់ខ្លួនរបស់ពួកគេ - ហើយដូច្នេះនៅលើដរាបណាអ្នកត្រូវការ) យើងទទួលបាន Hierarchical Finite State Machine ឬ HFSM (ម៉ាស៊ីនកំណត់រដ្ឋតាមឋានានុក្រម) ។ តាមរយៈការដាក់ជាក្រុមនៃរដ្ឋមិនប្រយុទ្ធ យើងបានកាត់ចេញនូវបណ្តុំនៃការផ្លាស់ប្តូរដែលលែងត្រូវការតទៅទៀត។ យើង​អាច​ធ្វើ​ដូចគ្នា​សម្រាប់​រដ្ឋ​ថ្មី​ណា​មួយ​ដែល​មាន​ដំណើរ​ផ្លាស់ប្តូរ​ទូទៅ។ ឧទាហរណ៍ ប្រសិនបើនៅពេលអនាគតយើងពង្រីកស្ថានភាពវាយប្រហារទៅរដ្ឋ MeleeAttacking និង MissileAttacking នោះពួកវានឹងក្លាយជារដ្ឋរងដែលផ្លាស់ប្តូររវាងគ្នាទៅវិញទៅមកដោយផ្អែកលើចម្ងាយទៅសត្រូវ និងលទ្ធភាពនៃគ្រាប់រំសេវ។ ជាលទ្ធផល ឥរិយាបថស្មុគស្មាញ និងឥរិយាបថរងអាចត្រូវបានតំណាងដោយអប្បរមានៃការផ្លាស់ប្តូរស្ទួន។

ដើមឈើឥរិយាបថ

ជាមួយនឹង HFSM ការរួមបញ្ចូលគ្នាដ៏ស្មុគស្មាញនៃអាកប្បកិរិយាត្រូវបានបង្កើតឡើងតាមរបៀបសាមញ្ញមួយ។ ទោះយ៉ាងណាក៏ដោយ មានការលំបាកបន្តិចបន្តួចដែលការសម្រេចចិត្តក្នុងទម្រង់នៃច្បាប់អន្តរកាលគឺទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងស្ថានភាពបច្ចុប្បន្ន។ ហើយនៅក្នុងហ្គេមជាច្រើននេះគឺពិតជាអ្វីដែលត្រូវការ។ ហើយការប្រើដោយប្រុងប្រយ័ត្ននូវឋានានុក្រមរដ្ឋអាចកាត់បន្ថយចំនួននៃការធ្វើឡើងវិញនៃការផ្លាស់ប្តូរ។ ប៉ុន្តែពេលខ្លះអ្នកត្រូវការច្បាប់ដែលដំណើរការមិនថាអ្នកស្ថិតក្នុងរដ្ឋណា ឬអនុវត្តស្ទើរតែគ្រប់រដ្ឋនោះទេ។ ឧទាហរណ៍ ប្រសិនបើសុខភាពរបស់ភ្នាក់ងារធ្លាក់ចុះដល់ 25% អ្នកនឹងចង់ឱ្យគាត់រត់ចេញដោយមិនគិតពីថាតើគាត់កំពុងប្រយុទ្ធ ទំនេរ ឬនិយាយនោះទេ - អ្នកនឹងត្រូវបន្ថែមលក្ខខណ្ឌនេះទៅរដ្ឋនីមួយៗ។ ហើយប្រសិនបើអ្នករចនារបស់អ្នកនៅពេលក្រោយចង់ផ្លាស់ប្តូរកម្រិតសុខភាពទាបពី 25% ទៅ 10% នោះវានឹងត្រូវធ្វើម្តងទៀត។

តាមឧត្ដមគតិ ស្ថានភាពនេះតម្រូវឱ្យមានប្រព័ន្ធដែលការសម្រេចចិត្តអំពី "រដ្ឋអ្វីដែលត្រូវស្ថិតនៅក្នុង" គឺនៅខាងក្រៅរដ្ឋខ្លួនឯង ដើម្បីធ្វើការផ្លាស់ប្ដូរតែនៅក្នុងកន្លែងមួយប៉ុណ្ណោះ និងមិនប៉ះពាល់លក្ខខណ្ឌនៃការផ្លាស់ប្តូរនោះទេ។ ដើមឈើឥរិយាបថលេចឡើងនៅទីនេះ។

មានវិធីជាច្រើនដើម្បីអនុវត្តពួកវា ប៉ុន្តែខ្លឹមសារគឺប្រហែលដូចគ្នាសម្រាប់ទាំងអស់គ្នា ហើយស្រដៀងទៅនឹងមែកធាងការសម្រេចចិត្ត៖ ក្បួនដោះស្រាយចាប់ផ្តើមដោយថ្នាំង "ឫស" ហើយដើមឈើមានថ្នាំងដែលតំណាងឱ្យការសម្រេចចិត្ត ឬសកម្មភាព។ មានភាពខុសប្លែកគ្នាសំខាន់ៗមួយចំនួន៖

• ឥឡូវនេះ Nodes ត្រឡប់តម្លៃមួយក្នុងចំណោមតម្លៃទាំងបី៖ ជោគជ័យ (ប្រសិនបើការងារត្រូវបានបញ្ចប់) បរាជ័យ (ប្រសិនបើវាមិនអាចចាប់ផ្តើមបាន) ឬកំពុងដំណើរការ (ប្រសិនបើវានៅតែដំណើរការ ហើយមិនមានលទ្ធផលចុងក្រោយ)។
• មិនមានថ្នាំងការសម្រេចចិត្តទៀតទេដើម្បីជ្រើសរើសរវាងជម្រើសពីរ។ ផ្ទុយទៅវិញ ពួកវាជាថ្នាំងតុបតែង ដែលមានថ្នាំងកូនតែមួយ។ ប្រសិន​បើ​ពួក​គេ​ទទួល​បាន​ជោគជ័យ ពួក​គេ​ប្រតិបត្តិ​ថ្នាំង​កូន​តែ​មួយ​របស់​ពួក​គេ។
• ថ្នាំងដែលអនុវត្តសកម្មភាពត្រឡប់តម្លៃដែលកំពុងដំណើរការដើម្បីតំណាងឱ្យសកម្មភាពដែលកំពុងអនុវត្ត។

សំណុំ​ថ្នាំង​តូច​នេះ​អាច​ត្រូវ​បាន​រួម​បញ្ចូល​គ្នា​ដើម្បី​បង្កើត​ចំនួន​ដ៏ច្រើន​នៃ​អាកប្បកិរិយា​ស្មុគស្មាញ។ តោះស្រមៃមើល HFSM ពីឧទាហរណ៍មុនដែលជាមែកធាងអាកប្បកិរិយា៖

ជាមួយនឹងរចនាសម្ព័ន្ធនេះ មិនគួរមានការផ្លាស់ប្តូរជាក់ស្តែងពីរដ្ឋ Idling/Patrolling ទៅការវាយប្រហារ ឬរដ្ឋផ្សេងទៀតណាមួយឡើយ។ ប្រសិនបើសត្រូវអាចមើលឃើញ ហើយសុខភាពរបស់តួអង្គមានកម្រិតទាប ការប្រតិបត្តិនឹងឈប់នៅ Fleeing node ដោយមិនគិតពីថ្នាំងណាដែលវាត្រូវបានប្រតិបត្តិពីមុននោះទេ - ការល្បាត ទុកចោល ការវាយប្រហារ ឬអ្វីផ្សេងទៀត។

ដើមឈើឥរិយាបទមានភាពស្មុគ្រស្មាញ—មានវិធីជាច្រើនក្នុងការតែងពួកវា ហើយការស្វែងរកការរួមបញ្ចូលគ្នាត្រឹមត្រូវនៃអ្នកតុបតែង និងថ្នាំងផ្សំអាចជាបញ្ហាប្រឈម។ មានសំណួរផងដែរអំពីថាតើត្រូវពិនិត្យមើលដើមឈើញឹកញាប់ប៉ុណ្ណា - តើយើងចង់ឆ្លងកាត់គ្រប់ផ្នែករបស់វាឬនៅពេលដែលលក្ខខណ្ឌណាមួយបានផ្លាស់ប្តូរ? តើ​យើង​រក្សាទុក​រដ្ឋ​ដែល​ទាក់ទង​នឹង​ថ្នាំង​ដោយ​របៀប​ណា - តើ​យើង​ដឹង​ដោយ​របៀប​ណា​ពេល​ដែល​យើង​នៅ​ទំនេរ​រយៈពេល 10 វិនាទី ឬ​តើ​យើង​ដឹង​ដោយ​របៀប​ណា​ថា​ថ្នាំង​ណា​ខ្លះ​ដែល​បាន​ប្រតិបត្តិ​កាល​ពី​លើក​មុន ដូច្នេះ​យើង​អាច​ដំណើរការ​លំដាប់​បាន​ត្រឹម​ត្រូវ?

នេះ​ជា​មូល​ហេតុ​ដែល​មាន​ការ​អនុវត្ត​ជា​ច្រើន។ ជាឧទាហរណ៍ ប្រព័ន្ធមួយចំនួនបានជំនួសថ្នាំងតុបតែងជាមួយនឹងឧបករណ៍តុបតែងខាងក្នុង។ ពួកគេវាយតម្លៃមែកធាងឡើងវិញ នៅពេលដែលលក្ខខណ្ឌរបស់អ្នកតុបតែងផ្លាស់ប្តូរ ជួយចូលរួមជាមួយថ្នាំង និងផ្តល់ព័ត៌មានថ្មីៗតាមកាលកំណត់។

ប្រព័ន្ធផ្អែកលើឧបករណ៍ប្រើប្រាស់

ហ្គេមខ្លះមានមេកានិចផ្សេងៗគ្នា។ វាជាការចង់បានដែលថាពួកគេទទួលបានអត្ថប្រយោជន៍ទាំងអស់នៃច្បាប់ផ្លាស់ប្តូរសាមញ្ញ និងទូទៅ ប៉ុន្តែមិនចាំបាច់នៅក្នុងទម្រង់នៃមែកធាងពេញលេញនៃអាកប្បកិរិយានោះទេ។ ជំនួសឱ្យការមានជម្រើសច្បាស់លាស់ ឬមែកធាងនៃសកម្មភាពដែលអាចធ្វើបាន វាកាន់តែងាយស្រួលក្នុងការពិនិត្យមើលសកម្មភាពទាំងអស់ ហើយជ្រើសរើសអ្វីដែលសមស្របបំផុតនៅពេលនេះ។

ប្រព័ន្ធដែលមានមូលដ្ឋានលើ Utility នឹងជួយក្នុងរឿងនេះ។ នេះគឺជាប្រព័ន្ធដែលភ្នាក់ងារមានសកម្មភាពផ្សេងៗគ្នា ហើយជ្រើសរើសមួយណាដែលត្រូវអនុវត្តដោយផ្អែកលើឧបករណ៍ប្រើប្រាស់ដែលទាក់ទងគ្នានៃកម្មវិធីនីមួយៗ។ កន្លែងណាដែលឧបករណ៍ប្រើប្រាស់គឺជារង្វាស់តាមអំពើចិត្តនៃថាតើវាមានសារៈសំខាន់ ឬគួរឱ្យចង់បានសម្រាប់ភ្នាក់ងារដើម្បីអនុវត្តសកម្មភាពនេះ។

ឧបករណ៍ប្រើប្រាស់ដែលបានគណនានៃសកម្មភាពដោយផ្អែកលើស្ថានភាពបច្ចុប្បន្ន និងបរិស្ថាន ភ្នាក់ងារអាចពិនិត្យ និងជ្រើសរើសរដ្ឋផ្សេងទៀតដែលសមស្របបំផុតនៅពេលណាក៏បាន។ នេះគឺស្រដៀងគ្នាទៅនឹង FSM លើកលែងតែកន្លែងដែលការផ្លាស់ប្តូរត្រូវបានកំណត់ដោយការប៉ាន់ស្មានសម្រាប់ស្ថានភាពសក្តានុពលនីមួយៗ រួមទាំងបច្ចុប្បន្នផងដែរ។ សូមចំណាំថាយើងជ្រើសរើសសកម្មភាពដែលមានប្រយោជន៍បំផុតដើម្បីបន្ត (ឬបន្តប្រសិនបើយើងបានបញ្ចប់វា)។ សម្រាប់ភាពចម្រុះកាន់តែច្រើន នេះអាចជាជម្រើសដែលមានតុល្យភាព ប៉ុន្តែចៃដន្យពីបញ្ជីតូចមួយ។

ប្រព័ន្ធ​កំណត់​ជួរ​តម្លៃ​ឧបករណ៍​ប្រើប្រាស់​ដោយ​បំពាន​ឧទាហរណ៍​ពី 0 (មិន​ចង់​បាន​ទាំង​ស្រុង) ដល់ 100 (ចង់​បាន​ទាំង​ស្រុង)។ សកម្មភាពនីមួយៗមានប៉ារ៉ាម៉ែត្រមួយចំនួនដែលប៉ះពាល់ដល់ការគណនាតម្លៃនេះ។ ត្រឡប់ទៅគំរូអាណាព្យាបាលរបស់យើងវិញ៖

ការផ្លាស់ប្តូររវាងសកម្មភាពគឺមិនច្បាស់លាស់ - រដ្ឋណាមួយអាចធ្វើតាមផ្សេងទៀត។ អាទិភាពសកម្មភាពត្រូវបានរកឃើញនៅក្នុងតម្លៃឧបករណ៍ប្រើប្រាស់ដែលបានត្រឡប់មកវិញ។ ប្រសិនបើសត្រូវអាចមើលឃើញ ហើយសត្រូវនោះខ្លាំង ហើយសុខភាពរបស់តួអង្គមានកម្រិតទាប នោះទាំង Fleeing និង FindingHelp នឹងត្រឡប់តម្លៃខ្ពស់ដែលមិនសូន្យ។ ក្នុងករណីនេះ FindingHelp នឹងខ្ពស់ជាងជានិច្ច។ ដូចគ្នាដែរ សកម្មភាពមិនប្រយុទ្ធមិនដែលត្រឡប់មកវិញលើសពី 50 ទេ ដូច្នេះពួកគេនឹងទាបជាងការប្រយុទ្ធជានិច្ច។ អ្នកត្រូវយកវាទៅក្នុងគណនីនៅពេលបង្កើតសកម្មភាព និងគណនាឧបករណ៍ប្រើប្រាស់របស់ពួកគេ។

ក្នុងឧទាហរណ៍របស់យើង សកម្មភាពត្រឡប់ជាតម្លៃថេរថេរ ឬមួយក្នុងចំនោមតម្លៃថេរពីរ។ ប្រព័ន្ធប្រាកដនិយមជាងនេះ នឹងត្រឡប់ការប៉ាន់ស្មានពីជួរតម្លៃជាបន្តបន្ទាប់។ ឧទាហរណ៍ សកម្មភាព Fleeing ត្រឡប់តម្លៃឧបករណ៍ប្រើប្រាស់ខ្ពស់ជាង ប្រសិនបើសុខភាពរបស់ភ្នាក់ងារមានកម្រិតទាប ហើយសកម្មភាពវាយប្រហារត្រឡប់តម្លៃឧបករណ៍ប្រើប្រាស់ទាប ប្រសិនបើសត្រូវខ្លាំងពេក។ ដោយសារតែនេះ សកម្មភាពរត់ភៀសខ្លួនមានអាទិភាពលើការវាយប្រហារក្នុងស្ថានភាពណាមួយដែលភ្នាក់ងារមានអារម្មណ៍ថាគាត់មិនមានសុខភាពគ្រប់គ្រាន់ដើម្បីកម្ចាត់សត្រូវ។ នេះអនុញ្ញាតឱ្យសកម្មភាពត្រូវបានផ្តល់អាទិភាពដោយផ្អែកលើលក្ខណៈវិនិច្ឆ័យមួយចំនួនដែលធ្វើឱ្យវិធីសាស្រ្តនេះមានភាពបត់បែន និងអថេរជាងមែកធាងអាកប្បកិរិយា ឬ FSM ។

សកម្មភាពនីមួយៗមានលក្ខខណ្ឌជាច្រើនសម្រាប់ការគណនាកម្មវិធី។ ពួកគេអាចត្រូវបានសរសេរជាភាសាស្គ្រីប ឬជាស៊េរីនៃរូបមន្តគណិតវិទ្យា។ The Sims ដែលក្លែងធ្វើទម្លាប់ប្រចាំថ្ងៃរបស់តួអង្គ បន្ថែមស្រទាប់នៃការគណនាបន្ថែមទៀត - ភ្នាក់ងារទទួលបានស៊េរីនៃ "ការលើកទឹកចិត្ត" ដែលមានឥទ្ធិពលលើការវាយតម្លៃឧបករណ៍ប្រើប្រាស់។ ប្រសិនបើតួអង្គស្រេកឃ្លាន ពួកគេនឹងកាន់តែឃ្លានតាមពេលវេលា ហើយតម្លៃប្រើប្រាស់នៃសកម្មភាព EatFood នឹងកើនឡើងរហូតដល់តួអង្គអនុវត្តវា កាត់បន្ថយកម្រិតនៃភាពអត់ឃ្លាន និងត្រឡប់តម្លៃ EatFood ទៅសូន្យវិញ។

គំនិតនៃការជ្រើសរើសសកម្មភាពដោយផ្អែកលើប្រព័ន្ធវាយតម្លៃគឺសាមញ្ញណាស់ ដូច្នេះប្រព័ន្ធដែលមានមូលដ្ឋានលើឧបករណ៍ប្រើប្រាស់អាចត្រូវបានប្រើជាផ្នែកនៃដំណើរការធ្វើការសម្រេចចិត្តរបស់ AI ជាជាងការជំនួសពេញលេញសម្រាប់ពួកគេ។ មែកធាងការសម្រេចចិត្តអាចស្នើសុំការវាយតម្លៃឧបករណ៍ប្រើប្រាស់នៃថ្នាំងកូនពីរ ហើយជ្រើសរើសខ្ពស់ជាងនេះ។ ស្រដៀងគ្នានេះដែរ មែកធាងអាកប្បកិរិយាអាចមានថ្នាំងឧបករណ៍ប្រើប្រាស់ចម្រុះដើម្បីវាយតម្លៃឧបករណ៍ប្រើប្រាស់នៃសកម្មភាពដើម្បីសម្រេចថាតើកូនមួយណាដែលត្រូវប្រតិបត្តិ។

ចលនា និងការរុករក

នៅក្នុងឧទាហរណ៍ពីមុន យើងមានវេទិកាមួយដែលយើងផ្លាស់ទីទៅឆ្វេង ឬស្តាំ ហើយឆ្មាំដែលដើរល្បាត ឬវាយប្រហារ។ ប៉ុន្តែ តើ​យើង​ធ្វើ​យ៉ាង​ណា​ឲ្យ​ប្រាកដ​ក្នុង​ការ​ដោះស្រាយ​ចលនា​ភ្នាក់ងារ​ក្នុង​រយៈ​ពេល​មួយ? តើ​យើង​កំណត់​ល្បឿន​ដោយ​របៀប​ណា តើ​យើង​ជៀស​វាង​ឧបសគ្គ​ដោយ​របៀប​ណា ហើយ​តើ​យើង​រៀបចំ​ផែនការ​ផ្លូវ​ដោយ​របៀប​ណា​ពេល​ទៅ​ដល់​គោលដៅ​គឺ​ពិបាក​ជាង​ការ​ដើរ​ក្នុង​បន្ទាត់​ត្រង់? តោះមើលរឿងនេះ។

អភិបាលកិច្ច

នៅដំណាក់កាលដំបូង យើងនឹងសន្មត់ថាភ្នាក់ងារនីមួយៗមានតម្លៃល្បឿន ដែលរួមបញ្ចូលល្បឿនដែលវាកំពុងផ្លាស់ទី និងក្នុងទិសដៅអ្វី។ វាអាចត្រូវបានវាស់វែងជាម៉ែត្រក្នុងមួយវិនាទី គីឡូម៉ែត្រក្នុងមួយម៉ោង ភីកសែលក្នុងមួយវិនាទី។ ជាធម្មតា ហ្គេមមានប្រព័ន្ធរូបវិទ្យាដែលធ្វើការងារនេះសម្រាប់អ្នក ដោយរៀនពីតម្លៃល្បឿននៃវត្ថុនីមួយៗ និងកែតម្រូវវា។ ដូច្នេះហើយ អ្នកអាចទុក AI ជាមួយនឹងកិច្ចការមួយ - ដើម្បីសម្រេចថាតើភ្នាក់ងារគួរមានល្បឿនអ្វី។ ប្រសិនបើអ្នកដឹងថាភ្នាក់ងារគួរតែនៅទីណា នោះអ្នកត្រូវផ្លាស់ទីវាក្នុងទិសដៅត្រឹមត្រូវក្នុងល្បឿនកំណត់។ សមីការ​មិន​សូវ​សំខាន់៖

ចង់បាន_travel = ទិសដៅ_ទីតាំង - ភ្នាក់ងារ_ទីតាំង

ស្រមៃមើលពិភពលោក 2D ។ ភ្នាក់ងារគឺនៅចំណុច (-2,-2) ទិសដៅគឺកន្លែងណាមួយនៅភាគឦសាននៅចំណុច (30, 20) ហើយផ្លូវដែលត្រូវការសម្រាប់ភ្នាក់ងារទៅទីនោះគឺ (32, 22) ។ ចូរនិយាយថាទីតាំងទាំងនេះត្រូវបានវាស់ជាម៉ែត្រ - ប្រសិនបើយើងយកល្បឿនរបស់ភ្នាក់ងារទៅជា 5 ម៉ែត្រក្នុងមួយវិនាទី នោះយើងនឹងធ្វើមាត្រដ្ឋានវ៉ិចទ័រផ្លាស់ទីលំនៅរបស់យើង ហើយទទួលបានល្បឿនប្រហែល (4.12, 2.83) ។ ជាមួយនឹងប៉ារ៉ាម៉ែត្រទាំងនេះ ភ្នាក់ងារនឹងទៅដល់គោលដៅរបស់វាក្នុងរយៈពេលជិត 8 វិនាទី។

អ្នកអាចគណនាតម្លៃឡើងវិញបានគ្រប់ពេល។ ប្រសិនបើភ្នាក់ងារស្ថិតនៅពាក់កណ្តាលផ្លូវទៅកាន់គោលដៅ ចលនានឹងមានប្រវែងពាក់កណ្តាល ប៉ុន្តែដោយសារល្បឿនអតិបរមារបស់ភ្នាក់ងារគឺ 5 m/s (យើងបានសម្រេចចិត្តខាងលើ) ល្បឿននឹងដូចគ្នា។ នេះក៏ដំណើរការសម្រាប់ការផ្លាស់ប្តូរគោលដៅ ដែលអនុញ្ញាតឱ្យភ្នាក់ងារធ្វើការផ្លាស់ប្តូរតូចៗនៅពេលពួកគេផ្លាស់ទី។

ប៉ុន្តែយើងចង់បានការបំរែបំរួលបន្ថែមទៀត - ឧទាហរណ៍ បង្កើនល្បឿនបន្តិចម្តងៗ ដើម្បីក្លែងធ្វើតួអក្សរដែលផ្លាស់ប្តូរពីការឈរទៅរត់។ ដូចគ្នានេះដែរអាចត្រូវបានធ្វើនៅចុងបញ្ចប់មុនពេលឈប់។ លក្ខណៈទាំងនេះត្រូវបានគេស្គាល់ថាជាឥរិយាបថចង្កូត ដែលនីមួយៗមានឈ្មោះជាក់លាក់៖ ស្វែងរក ភៀសខ្លួន ការមកដល់។ បញ្ជាឱ្យប្រើវិធីផ្សេងគ្នានៃការផ្លាស់ប្តូរទៅកាន់គោលដៅ។

ឥរិយាបថនីមួយៗមានគោលបំណងខុសគ្នាបន្តិចបន្តួច។ ស្វែងរក និងមកដល់ គឺជាវិធីដើម្បីផ្លាស់ទីភ្នាក់ងារទៅគោលដៅមួយ។ ការជៀសវាងឧបសគ្គ និងការបំបែកខ្លួន កែសម្រួលចលនារបស់ភ្នាក់ងារ ដើម្បីជៀសវាងឧបសគ្គនៅតាមផ្លូវទៅកាន់គោលដៅ។ ការតម្រឹម និង​ភាព​ស្អិតរមួត​រក្សា​ភ្នាក់ងារ​ធ្វើ​ចលនា​ជាមួយគ្នា។ ចំនួននៃឥរិយាបទចង្កូតផ្សេងគ្នាអាចត្រូវបានសង្ខេបដើម្បីបង្កើតវ៉ិចទ័រផ្លូវតែមួយដោយគិតគូរពីកត្តាទាំងអស់។ ភ្នាក់ងារដែលប្រើឥរិយាបទការមកដល់ ការបំបែកខ្លួន និងការជៀសវាងឧបសគ្គ ដើម្បីនៅឱ្យឆ្ងាយពីជញ្ជាំង និងភ្នាក់ងារផ្សេងទៀត។ វិធីសាស្រ្តនេះដំណើរការបានយ៉ាងល្អនៅក្នុងទីតាំងបើកចំហដោយគ្មានព័ត៌មានលម្អិតដែលមិនចាំបាច់។

នៅក្នុងស្ថានភាពលំបាកជាងនេះ ការបន្ថែមអាកប្បកិរិយាផ្សេងៗគ្នាដំណើរការកាន់តែអាក្រក់ - ឧទាហរណ៍ ភ្នាក់ងារអាចជាប់គាំងនៅក្នុងជញ្ជាំង ដោយសារជម្លោះរវាងការមកដល់ និងការជៀសវាងឧបសគ្គ។ ដូច្នេះហើយ អ្នកត្រូវពិចារណាជម្រើសដែលស្មុគស្មាញជាងការបន្ថែមតម្លៃទាំងអស់។ វិធីនេះគឺ៖ ជំនួសឱ្យការបន្ថែមលទ្ធផលនៃអាកប្បកិរិយានីមួយៗ អ្នកអាចពិចារណាចលនាក្នុងទិសដៅផ្សេងៗគ្នា ហើយជ្រើសរើសជម្រើសដ៏ល្អបំផុត។

ទោះជាយ៉ាងណាក៏ដោយ នៅក្នុងបរិយាកាសស្មុគ្រស្មាញជាមួយនឹងផ្លូវស្លាប់ និងជម្រើសអំពីវិធីដែលត្រូវទៅ យើងនឹងត្រូវការអ្វីដែលកាន់តែជឿនលឿនជាងមុន។

កំពុងរកវិធី

ឥរិយាបថ​នៃ​ការ​បញ្ជា​គឺ​ល្អ​សម្រាប់​ចលនា​សាមញ្ញ​ក្នុង​តំបន់​បើក​ចំហ (ទីលាន​បាល់ទាត់ ឬ​សង្វៀន) ដែល​ការ​ឡើង​ពី A ទៅ B គឺជា​ផ្លូវ​ត្រង់​ដែល​មាន​តែ​ផ្លូវ​វាង​តូចៗ​ជុំវិញ​ឧបសគ្គ។ សម្រាប់ផ្លូវស្មុគស្មាញ យើងត្រូវការការស្វែងរកផ្លូវ ដែលជាវិធីរុករកពិភពលោក ហើយសម្រេចចិត្តលើផ្លូវឆ្លងកាត់វា។

សាមញ្ញបំផុតគឺត្រូវអនុវត្តក្រឡាចត្រង្គទៅការ៉េនីមួយៗនៅជាប់ភ្នាក់ងារ ហើយវាយតម្លៃថាតើពួកវាមួយណាត្រូវបានអនុញ្ញាតឱ្យផ្លាស់ទី។ ប្រសិនបើមួយក្នុងចំណោមពួកគេគឺជាទិសដៅមួយ បន្ទាប់មកដើរតាមផ្លូវពីការ៉េនីមួយៗទៅកន្លែងមុនរហូតដល់អ្នកឈានដល់ការចាប់ផ្តើម។ នេះគឺជាផ្លូវ។ បើមិនដូច្នេះទេ ដំណើរការឡើងវិញជាមួយការ៉េផ្សេងទៀតដែលនៅជិតៗរហូតទាល់តែអ្នករកឃើញគោលដៅរបស់អ្នក ឬអ្នករត់ចេញពីការ៉េ (មានន័យថាគ្មានផ្លូវដែលអាចធ្វើបានទេ)។ នេះគឺជាអ្វីដែលត្រូវបានគេស្គាល់ជាផ្លូវការថា Breadth-First Search ឬ BFS (breadth-first search algorithm)។ នៅគ្រប់ជំហាន គាត់មើលទៅគ្រប់ទិសទី (ហេតុនេះ ទទឹង "ទទឹង")។ ចន្លោះស្វែងរកគឺដូចជារលកដែលផ្លាស់ទីរហូតដល់វាទៅដល់ទីតាំងដែលចង់បាន - ទំហំស្វែងរកពង្រីកនៅជំហាននីមួយៗរហូតដល់ចំណុចបញ្ចប់ត្រូវបានរួមបញ្ចូល បន្ទាប់ពីនោះវាអាចត្រូវបានតាមដានត្រឡប់ទៅដើមវិញ។

ជាលទ្ធផលអ្នកនឹងទទួលបានបញ្ជីនៃការ៉េដែលផ្លូវដែលចង់បានត្រូវបានចងក្រង។ នេះគឺជាផ្លូវ (ហេតុដូច្នេះហើយការស្វែងរកផ្លូវ) - បញ្ជីនៃកន្លែងដែលភ្នាក់ងារនឹងទៅលេងនៅពេលដើរតាមគោលដៅ។

ដោយសារយើងដឹងពីទីតាំងនៃការ៉េនីមួយៗក្នុងពិភពលោក យើងអាចប្រើឥរិយាបទចង្កូតដើម្បីផ្លាស់ទីតាមគន្លង - ពីថ្នាំង 1 ដល់ថ្នាំង 2 បន្ទាប់មកពីថ្នាំង 2 ដល់ថ្នាំង 3 ជាដើម។ ជម្រើសដ៏សាមញ្ញបំផុតគឺត្រូវឆ្ពោះទៅកណ្តាលនៃការ៉េបន្ទាប់ ប៉ុន្តែជម្រើសដ៏ល្អមួយគឺត្រូវឈប់នៅកណ្តាលគែមរវាងការ៉េបច្ចុប្បន្ន និងការ៉េបន្ទាប់។ ដោយសារតែនេះភ្នាក់ងារនឹងអាចកាត់ជ្រុងនៅលើវេនមុតស្រួច។

ក្បួនដោះស្រាយ BFS ក៏មានគុណវិបត្តិផងដែរ - វារុករកការេជាច្រើនក្នុងទិសដៅ "ខុស" ដូចក្នុងទិសដៅ "ត្រឹមត្រូវ" ។ នេះគឺជាកន្លែងដែលក្បួនដោះស្រាយស្មុគស្មាញជាងនេះហៅថា A* (A star) ចូលមកលេង។ វាដំណើរការដូចគ្នា ប៉ុន្តែជំនួសឱ្យការពិនិត្យមើលការេជិតខាងដោយងងឹតងងុល (បន្ទាប់មកអ្នកជិតខាងរបស់អ្នកជិតខាង បន្ទាប់មកអ្នកជិតខាងរបស់អ្នកជិតខាង និងដូច្នេះនៅលើ) វាប្រមូលថ្នាំងទៅក្នុងបញ្ជីមួយ ហើយតម្រៀបពួកវា ដូច្នេះថ្នាំងបន្ទាប់ដែលបានពិនិត្យគឺតែងតែជា ដែលនាំទៅដល់ផ្លូវខ្លីបំផុត។ ថ្នាំងត្រូវបានតម្រៀបដោយផ្អែកលើ heuristic ដែលគិតគូរពីរឿងពីរ - "ការចំណាយ" នៃផ្លូវសម្មតិកម្មទៅកាន់ការ៉េដែលចង់បាន (រួមទាំងថ្លៃធ្វើដំណើរណាមួយ) និងការប៉ាន់ប្រមាណថាតើការ៉េនោះស្ថិតនៅចម្ងាយប៉ុន្មានពីគោលដៅ (ដោយលំអៀងការស្វែងរកនៅក្នុង ទិសដៅត្រឹមត្រូវ) ។

ឧទាហរណ៍នេះបង្ហាញថាភ្នាក់ងាររុករកមួយការ៉េក្នុងពេលតែមួយ រាល់ពេលដែលជ្រើសរើសកន្លែងនៅជាប់គ្នាដែលជោគជ័យបំផុត។ ផ្លូវលទ្ធផលគឺដូចគ្នាទៅនឹង BFS ប៉ុន្តែការេតិចជាងមុនត្រូវបានគេពិចារណានៅក្នុងដំណើរការ ដែលមានឥទ្ធិពលយ៉ាងខ្លាំងលើដំណើរការហ្គេម។

ចលនាដោយគ្មានក្រឡាចត្រង្គ

ប៉ុន្តែហ្គេមភាគច្រើនមិនត្រូវបានដាក់នៅលើក្រឡាចត្រង្គទេ ហើយជារឿយៗវាមិនអាចទៅរួចទេក្នុងការធ្វើវាដោយមិនលះបង់ភាពប្រាកដនិយម។ ការសម្របសម្រួលគឺចាំបាច់។ តើការ៉េគួរមានទំហំប៉ុនណា? ធំពេក ហើយពួកគេនឹងមិនអាចតំណាងឱ្យច្រករបៀងតូច ឬបត់បានត្រឹមត្រូវទេ តូចពេក ហើយវានឹងមានការ៉េច្រើនពេកដើម្បីស្វែងរក ដែលចុងក្រោយនឹងត្រូវចំណាយពេលច្រើន។

រឿងដំបូងដែលត្រូវយល់គឺថា Mesh ផ្តល់ឱ្យយើងនូវក្រាហ្វនៃថ្នាំងដែលបានតភ្ជាប់។ ក្បួនដោះស្រាយ A* និង BFS ពិតជាដំណើរការលើក្រាហ្វ ហើយមិនខ្វល់អំពីសំណាញ់របស់យើងទាល់តែសោះ។ យើងអាចដាក់ថ្នាំងនៅកន្លែងណាមួយក្នុងពិភពហ្គេម៖ ដរាបណាមានការតភ្ជាប់រវាងថ្នាំងដែលបានតភ្ជាប់ទាំងពីរ ក៏ដូចជារវាងចំណុចចាប់ផ្តើម និងចំណុចបញ្ចប់ និងយ៉ាងហោចណាស់មួយនៃថ្នាំង នោះក្បួនដោះស្រាយនឹងដំណើរការដូចពីមុនដែរ។ ជារឿយៗនេះត្រូវបានគេហៅថាប្រព័ន្ធ waypoint ចាប់តាំងពីថ្នាំងនីមួយៗតំណាងឱ្យទីតាំងដ៏សំខាន់មួយនៅក្នុងពិភពលោកដែលអាចជាផ្នែកមួយនៃចំនួននៃផ្លូវសម្មតិកម្មណាមួយ។

ឧទាហរណ៍ទី 1: knot ក្នុងការ៉េនីមួយៗ។ ការស្វែងរកចាប់ផ្តើមពីថ្នាំងដែលភ្នាក់ងារមានទីតាំងនៅ ហើយបញ្ចប់នៅថ្នាំងនៃការ៉េដែលចង់បាន។

ឧទាហរណ៍ទី 2៖ សំណុំថ្នាំងតូចជាង (ចំណុចផ្លូវ)។ ការស្វែងរកចាប់ផ្តើមនៅការ៉េរបស់ភ្នាក់ងារ ឆ្លងកាត់ចំនួនថ្នាំងដែលត្រូវការ ហើយបន្ទាប់មកបន្តទៅគោលដៅ។

នេះគឺជាប្រព័ន្ធដែលអាចបត់បែនបាន និងមានឥទ្ធិពលទាំងស្រុង។ ប៉ុន្តែការយកចិត្តទុកដាក់ខ្លះគឺត្រូវការជាចាំបាច់ក្នុងការសម្រេចចិត្តថាតើត្រូវដាក់កន្លែងណា និងរបៀបដាក់ចំណុចផ្លូវ បើមិនដូច្នោះទេ ភ្នាក់ងារប្រហែលជាមិនឃើញចំណុចជិតបំផុត ហើយនឹងមិនអាចចាប់ផ្តើមផ្លូវបានទេ។ វានឹងកាន់តែងាយស្រួល ប្រសិនបើយើងអាចដាក់ waypoints ដោយស្វ័យប្រវត្តិដោយផ្អែកលើធរណីមាត្រនៃពិភពលោក។

នេះគឺជាកន្លែងដែលសំណាញ់រុករក ឬ navmesh (សំណាញ់រុករក) លេចឡើង។ នេះជាធម្មតាជាសំណាញ់ 2D នៃត្រីកោណដែលត្រូវបានជាន់លើលើធរណីមាត្រនៃពិភពលោក - គ្រប់ទីកន្លែងដែលភ្នាក់ងារត្រូវបានអនុញ្ញាតឱ្យដើរ។ ត្រីកោណនីមួយៗក្នុងសំណាញ់ក្លាយជាថ្នាំងក្នុងក្រាហ្វ ហើយមានត្រីកោណជាប់គ្នារហូតដល់បីដែលក្លាយជាថ្នាំងជាប់គ្នាក្នុងក្រាហ្វ។

រូបភាពនេះគឺជាឧទាហរណ៍ពីម៉ាស៊ីន Unity - វាបានវិភាគធរណីមាត្រក្នុងពិភពលោក និងបង្កើត navmesh (ក្នុងរូបថតអេក្រង់ពណ៌ខៀវខ្ចី)។ ពហុកោណនីមួយៗនៅក្នុង navmesh គឺជាតំបន់ដែលភ្នាក់ងារអាចឈរ ឬផ្លាស់ទីពីពហុកោណមួយទៅពហុកោណមួយទៀត។ ក្នុងឧទាហរណ៍នេះ ពហុកោណមានទំហំតូចជាងជាន់ដែលពួកវាស្ថិតនៅ - នេះត្រូវបានធ្វើដើម្បីយកទៅពិចារណាពីទំហំនៃភ្នាក់ងារ ដែលនឹងពង្រីកលើសពីទីតាំងបន្ទាប់បន្សំរបស់វា។

យើង​អាច​ស្វែងរក​ផ្លូវ​តាមរយៈ​សំណាញ់​នេះ​ម្តងទៀត​ដោយ​ប្រើ​ក្បួន​ដោះស្រាយ A*។ នេះនឹងផ្តល់ឱ្យយើងនូវផ្លូវស្ទើរតែល្អឥតខ្ចោះនៅក្នុងពិភពលោកដែលគិតគូរពីធរណីមាត្រទាំងអស់ហើយមិនត្រូវការថ្នាំងដែលមិនចាំបាច់និងការបង្កើតចំណុចផ្លូវទេ។

ការស្វែងរកផ្លូវគឺទូលំទូលាយពេកជាប្រធានបទដែលផ្នែកមួយនៃអត្ថបទមិនគ្រប់គ្រាន់។ ប្រសិនបើអ្នកចង់សិក្សាវាឱ្យកាន់តែលម្អិតនោះវានឹងជួយ គេហទំព័រ Amit Patel.

ផែនការ

យើងបានរៀនជាមួយនឹងការស្វែងរកផ្លូវថា ពេលខ្លះវាមិនគ្រប់គ្រាន់ទេក្នុងការគ្រាន់តែជ្រើសរើសទិសដៅមួយ ហើយផ្លាស់ទី - យើងត្រូវជ្រើសរើសផ្លូវមួយ ហើយបត់ពីរបី ដើម្បីទៅដល់គោលដៅដែលយើងចង់បាន។ យើងអាចនិយាយជារួមគំនិតនេះ៖ ការសម្រេចបាននូវគោលដៅមួយមិនមែនគ្រាន់តែជាជំហានបន្ទាប់ប៉ុណ្ណោះទេ ប៉ុន្តែជាលំដាប់ទាំងមូល ដែលពេលខ្លះអ្នកត្រូវមើលជំហានជាច្រើនដើម្បីរកមើលថាតើអ្វីដំបូងគួរតែជាអ្វី។ នេះហៅថាការធ្វើផែនការ។ ការស្វែងរកផ្លូវអាចត្រូវបានគិតថាជាផ្នែកបន្ថែមមួយក្នុងចំនោមផ្នែកបន្ថែមជាច្រើនក្នុងការធ្វើផែនការ។ នៅក្នុងលក្ខខណ្ឌនៃវដ្ត Sense/Think/Act របស់យើង នេះគឺជាកន្លែងដែលផ្នែក Think មានគម្រោងផ្នែក Act ជាច្រើនសម្រាប់ពេលអនាគត។

សូមក្រឡេកមើលឧទាហរណ៍នៃហ្គេមក្តារ Magic: The Gathering ។ យើងទៅមុនគេជាមួយនឹងកាតខាងក្រោមនៅក្នុងដៃរបស់យើង៖

• Swamp - ផ្តល់ម៉ាណាខ្មៅចំនួន 1 (ប័ណ្ណដី) ។
• ព្រៃ - ផ្តល់ឱ្យ 1 ម៉ាណាបៃតង (ប័ណ្ណដី) ។
• អ្នកជំនួយការរត់គេចខ្លួន - ត្រូវការម៉ាណាពណ៌ខៀវ 1 ដើម្បីកោះហៅ។
• Elvish Mystic - ទាមទារ 1 mana ពណ៌បៃតងដើម្បីហៅ។

យើងព្រងើយកន្តើយនឹងសន្លឹកបៀបីសន្លឹកដែលនៅសល់ ដើម្បីធ្វើឱ្យវាកាន់តែងាយស្រួល។ យោងទៅតាមច្បាប់អ្នកលេងត្រូវបានអនុញ្ញាតឱ្យលេង 1 សន្លឹកដីក្នុងមួយវេនគាត់អាច "ប៉ះ" កាតនេះដើម្បីទាញយកម៉ាណាពីវាហើយបន្ទាប់មកដេញអក្ខរាវិរុទ្ធ (រួមទាំងការហៅសត្វមួយ) យោងទៅតាមចំនួនម៉ាណា។ ក្នុងស្ថានភាពនេះ អ្នកលេងមនុស្សចេះលេង Forest ប៉ះ 1 mana ពណ៌បៃតង ហើយបន្ទាប់មកហៅ Elvish Mystic។ ប៉ុន្តែតើហ្គេម AI អាចដោះស្រាយរឿងនេះដោយរបៀបណា?

ការធ្វើផែនការងាយស្រួល

វិធីសាស្រ្តមិនសំខាន់គឺដើម្បីសាកល្បងសកម្មភាពនីមួយៗជាវេនរហូតដល់មិនមានអ្វីដែលសមរម្យនៅសល់។ ដោយមើលលើសន្លឹកបៀ AI ឃើញអ្វីដែល Swamp អាចលេងបាន។ ហើយគាត់លេងវា។ តើ​មាន​សកម្មភាព​អ្វី​ផ្សេង​ទៀត​នៅ​សល់​វេន​នេះ? វាមិនអាចកោះហៅ Elvish Mystic ឬ Fugitive Wizard បានទេ ដោយសារពួកគេត្រូវការ Mana ពណ៌បៃតង និងពណ៌ខៀវរៀងៗខ្លួន ដើម្បីកោះហៅពួកគេ ខណៈដែល Swamp ផ្តល់តែម៉ាណាខ្មៅប៉ុណ្ណោះ។ ហើយ​គាត់​នឹង​លែង​អាច​លេង Forest ទៀត​ហើយ ព្រោះ​គាត់​បាន​លេង Swamp ហើយ។ ដូច្នេះហើយ ហ្គេម AI បានអនុវត្តតាមច្បាប់ ប៉ុន្តែធ្វើវាមិនបានល្អ។ អាចត្រូវបានកែលម្អ។

ការធ្វើផែនការអាចស្វែងរកបញ្ជីសកម្មភាពដែលនាំហ្គេមទៅកាន់ស្ថានភាពដែលចង់បាន។ ដូចរាល់ការ៉េនៅលើផ្លូវមានអ្នកជិតខាង (ក្នុងការស្វែងរកផ្លូវ) រាល់សកម្មភាពនៅក្នុងផែនការក៏មានអ្នកជិតខាង ឬអ្នកស្នង។ យើងអាចរកមើលសកម្មភាពទាំងនេះ និងសកម្មភាពជាបន្តបន្ទាប់រហូតដល់យើងឈានដល់ស្ថានភាពដែលចង់បាន។

ក្នុងឧទាហរណ៍របស់យើង លទ្ធផលដែលចង់បានគឺ "កោះហៅសត្វមួយមកប្រសិនបើអាច" នៅដើមវេន យើងឃើញតែសកម្មភាពពីរដែលអនុញ្ញាតដោយច្បាប់នៃហ្គេម៖

1. លេង Swamp (លទ្ធផល៖ Swamp នៅក្នុងហ្គេម)
2. លេងព្រៃឈើ (លទ្ធផល៖ ព្រៃឈើក្នុងហ្គេម)

សកម្មភាពនីមួយៗដែលបានធ្វើឡើងអាចនាំឱ្យមានសកម្មភាពបន្ថែមទៀត និងបិទអ្នកផ្សេងទៀតម្តងទៀត អាស្រ័យលើច្បាប់នៃហ្គេម។ ស្រមៃថាយើងលេង Swamp - វានឹងលុប Swamp ជាជំហានបន្ទាប់ (យើងបានលេងវារួចហើយ) ហើយវានឹងលុប Forest ផងដែរ (ព្រោះយោងទៅតាមច្បាប់អ្នកអាចលេងកាតដីមួយក្នុងមួយវេន) ។ បន្ទាប់ពីនេះ AI បន្ថែមការទទួលបាន 1 black mana ជាជំហានបន្ទាប់ព្រោះមិនមានជម្រើសផ្សេងទៀតទេ។ ប្រសិនបើគាត់ទៅមុនហើយជ្រើសរើស Tap the Swamp គាត់នឹងទទួលបានម៉ាណាខ្មៅ 1 ឯកតា ហើយនឹងមិនអាចធ្វើអ្វីជាមួយវាបានទេ។

1. លេង Swamp (លទ្ធផល៖ Swamp នៅក្នុងហ្គេម)
1.1 "ប៉ះ" វាលភក់ (លទ្ធផល៖ វាលភក់ "ប៉ះ" + 1 ឯកតានៃម៉ាណាខ្មៅ)
មិនមានសកម្មភាព - បញ្ចប់
2. លេងព្រៃឈើ (លទ្ធផល៖ ព្រៃឈើក្នុងហ្គេម)

បញ្ជីនៃសកម្មភាពមានរយៈពេលខ្លី យើងបានឈានដល់ទីបញ្ចប់ហើយ។ យើងធ្វើដំណើរការម្តងទៀតសម្រាប់ជំហានបន្ទាប់។ យើងលេង Forest បើកសកម្មភាព "ទទួលបាន 1 mana ពណ៌បៃតង" ដែលនៅក្នុងវេននឹងបើកសកម្មភាពទីបី - ហៅ Elvish Mystic ។

1. លេង Swamp (លទ្ធផល៖ Swamp នៅក្នុងហ្គេម)
1.1 "ប៉ះ" វាលភក់ (លទ្ធផល៖ វាលភក់ "ប៉ះ" + 1 ឯកតានៃម៉ាណាខ្មៅ)
មិនមានសកម្មភាព - បញ្ចប់
2. លេងព្រៃឈើ (លទ្ធផល៖ ព្រៃឈើក្នុងហ្គេម)
2.1 "ប៉ះ" ព្រៃឈើ (លទ្ធផល៖ ព្រៃឈើត្រូវបាន "ប៉ះ" +1 ឯកតានៃម៉ាណាបៃតង)
2.1.1 កោះហៅ Elvish Mystic (លទ្ធផល៖ Elvish Mystic ក្នុងការលេង -1 mana ពណ៌បៃតង)
មិនមានសកម្មភាព - បញ្ចប់

ទីបំផុត យើងបានរុករកគ្រប់សកម្មភាពដែលអាចកើតមាន ហើយបានរកឃើញផែនការដែលកោះហៅសត្វមួយមក។

នេះគឺជាឧទាហរណ៍ដ៏សាមញ្ញមួយ។ គួរតែជ្រើសរើសផែនការដែលអាចធ្វើបានល្អបំផុត ជាជាងគម្រោងណាមួយដែលបំពេញតាមលក្ខណៈវិនិច្ឆ័យមួយចំនួន។ ជាទូទៅ វាអាចទៅរួចក្នុងការវាយតម្លៃផែនការសក្តានុពលដោយផ្អែកលើលទ្ធផល ឬផលប្រយោជន៍រួមនៃការអនុវត្តរបស់ពួកគេ។ អ្នកអាចដាក់ពិន្ទុខ្លួនឯងបាន 1 ពិន្ទុសម្រាប់ការលេងបៀរដី និង 3 ពិន្ទុសម្រាប់ការហៅសត្វមួយ។ ការលេង Swamp នឹងក្លាយជាផែនការ 1 ពិន្ទុ។ ហើយការលេង Forest → Tap the Forest → ហៅ Elvish Mystic នឹងផ្តល់ 4 ពិន្ទុភ្លាមៗ។

នេះជារបៀបដែលផែនការដំណើរការនៅក្នុង Magic: The Gathering ប៉ុន្តែតក្កវិជ្ជាដូចគ្នាអនុវត្តក្នុងស្ថានភាពផ្សេងទៀត។ ជា​ឧទាហរណ៍ ការ​រំកិល​កូន​បញ្ចាំ​ដើម្បី​ធ្វើ​បន្ទប់​សម្រាប់​ប៊ីស្សព​ដើម្បី​ផ្លាស់ទី​ក្នុង​អុក។ ឬយកគម្របនៅពីក្រោយជញ្ជាំង ដើម្បីបាញ់ដោយសុវត្ថិភាពក្នុង XCOM ដូចនេះ។ ជាទូទៅអ្នកទទួលបានគំនិត។

ការធ្វើផែនការប្រសើរឡើង

ពេល​ខ្លះ​មាន​សកម្មភាព​សក្តានុពល​ច្រើន​ពេក​ក្នុង​ការ​ពិចារណា​គ្រប់​ជម្រើស​ដែល​អាច​ធ្វើ​ទៅ​បាន។ ត្រលប់ទៅឧទាហរណ៍ជាមួយវេទមន្ត: ការប្រមូលផ្តុំ: ចូរនិយាយថានៅក្នុងហ្គេមនិងនៅក្នុងដៃរបស់អ្នកមានសន្លឹកបៀរដីនិងសត្វជាច្រើន - ចំនួននៃបន្សំដែលអាចកើតមាននៃចលនាអាចមានរាប់សិប។ មានដំណោះស្រាយជាច្រើនចំពោះបញ្ហា។

វិធីសាស្រ្តដំបូងគឺការច្រវ៉ាក់ថយក្រោយ។ ជំនួសឱ្យការព្យាយាមបន្សំទាំងអស់ វាជាការប្រសើរក្នុងការចាប់ផ្តើមជាមួយនឹងលទ្ធផលចុងក្រោយ ហើយព្យាយាមស្វែងរកផ្លូវផ្ទាល់។ ជំនួសឱ្យការចេញពីឫសនៃដើមឈើទៅស្លឹកជាក់លាក់មួយយើងផ្លាស់ទីក្នុងទិសដៅផ្ទុយ - ពីស្លឹកទៅឫស។ វិធីសាស្រ្តនេះគឺងាយស្រួលនិងលឿនជាងមុន។

ប្រសិនបើសត្រូវមានសុខភាព 1 អ្នកអាចរកឃើញផែនការ "ដោះស្រាយការខូចខាត 1 ឬច្រើនជាងនេះ" ។ ដើម្បីសម្រេចបាននេះ លក្ខខណ្ឌមួយចំនួនត្រូវតែបំពេញ៖

1. ការខូចខាតអាចបណ្តាលមកពីអក្ខរាវិរុទ្ធ - វាត្រូវតែនៅក្នុងដៃ។
2. ដើម្បីដេញអក្ខរាវិរុទ្ធ អ្នកត្រូវការម៉ាណា។
3. ដើម្បីទទួលបានម៉ាណា អ្នកត្រូវលេងបៀរដី។
4. ដើម្បីលេងបៀរដី អ្នកត្រូវមានវានៅក្នុងដៃ។

វិធីមួយទៀតគឺការស្វែងរកល្អបំផុត។ ជំនួសឱ្យការសាកល្បងផ្លូវទាំងអស់ យើងជ្រើសរើសផ្លូវដែលសមរម្យបំផុត។ ភាគច្រើនជាញឹកញាប់ វិធីសាស្រ្តនេះផ្តល់នូវផែនការដ៏ល្អប្រសើរ ដោយមិនចាំបាច់ចំណាយលើការស្វែងរក។ A* គឺជាទម្រង់នៃការស្វែងរកដំបូងដ៏ល្អបំផុត - ដោយការពិនិត្យមើលផ្លូវដែលជោគជ័យបំផុតតាំងពីដំបូង វាអាចស្វែងរកផ្លូវដ៏ល្អបំផុតរួចហើយដោយមិនចាំបាច់ពិនិត្យមើលជម្រើសផ្សេងទៀត។

ជម្រើសស្វែងរកដ៏ល្អបំផុតដែលគួរឱ្យចាប់អារម្មណ៍ និងពេញនិយមកាន់តែខ្លាំងឡើងគឺការស្វែងរកដើមឈើ Monte Carlo ។ ជំនួសឱ្យការទាយថាតើផែនការណាល្អជាងអ្នកផ្សេងទៀត នៅពេលជ្រើសរើសសកម្មភាពបន្តបន្ទាប់នីមួយៗ ក្បួនដោះស្រាយជ្រើសរើសអ្នកបន្តបន្ទាប់ដោយចៃដន្យនៅជំហាននីមួយៗរហូតដល់វាឈានដល់ទីបញ្ចប់ (នៅពេលដែលផែនការនោះនាំមកនូវជ័យជំនះ ឬបរាជ័យ)។ បន្ទាប់មកលទ្ធផលចុងក្រោយត្រូវបានប្រើដើម្បីបង្កើន ឬបន្ថយទម្ងន់នៃជម្រើសពីមុន។ តាមរយៈការធ្វើម្តងទៀតនូវដំណើរការនេះច្រើនដងជាប់ៗគ្នា ក្បួនដោះស្រាយផ្តល់នូវការប៉ាន់ប្រមាណដ៏ល្អអំពីអ្វីដែលជាចលនាបន្ទាប់ដ៏ល្អបំផុត ទោះបីជាស្ថានភាពផ្លាស់ប្តូរក៏ដោយ (ប្រសិនបើសត្រូវចាត់វិធានការដើម្បីជ្រៀតជ្រែកជាមួយអ្នកលេង)។

គ្មានរឿងរ៉ាវអំពីការធ្វើផែនការនៅក្នុងហ្គេមនឹងបញ្ចប់ដោយគ្មានផែនការសកម្មភាពតម្រង់ទិសគោលដៅ ឬ GOAP (ផែនការសកម្មភាពតម្រង់ទិសគោលដៅ)ឡើយ។ នេះគឺជាវិធីសាស្រ្តដែលត្រូវបានប្រើប្រាស់ និងពិភាក្សាយ៉ាងទូលំទូលាយ ប៉ុន្តែក្រៅពីព័ត៌មានលម្អិតមួយចំនួន វាគឺជាវិធីសាស្រ្តនៃការដាក់ច្រវ៉ាក់ថយក្រោយដែលយើងបាននិយាយពីមុន។ ប្រសិនបើគោលបំណងគឺ "បំផ្លាញអ្នកលេង" ហើយអ្នកលេងនៅពីក្រោយការបិទបាំង ផែនការអាចជាៈ បំផ្លាញដោយគ្រាប់បែកដៃ → យកវា → បោះវា។

ជាធម្មតាមានគោលដៅជាច្រើន ដែលនីមួយៗមានអាទិភាពរៀងៗខ្លួន។ ប្រសិនបើគោលដៅអាទិភាពខ្ពស់បំផុតមិនអាចត្រូវបានបញ្ចប់ (គ្មានការរួមបញ្ចូលគ្នានៃសកម្មភាពបង្កើតផែនការ "សម្លាប់អ្នកលេង" ដោយសារតែអ្នកលេងមើលមិនឃើញ) AI នឹងត្រលប់ទៅគោលដៅអាទិភាពទាបវិញ។

ការបណ្តុះបណ្តាល និងការសម្របខ្លួន

យើងបាននិយាយរួចមកហើយថា ហ្គេម AI ជាធម្មតាមិនប្រើ machine learning ទេព្រោះវាមិនស័ក្តិសមសម្រាប់ការគ្រប់គ្រងភ្នាក់ងារក្នុងពេលជាក់ស្តែង។ ប៉ុន្តែនេះមិនមានន័យថាអ្នកមិនអាចខ្ចីអ្វីមួយពីតំបន់នេះទេ។ យើង​ចង់​បាន​គូ​ប្រកួត​ក្នុង​ការ​បាញ់​ប្រហារ​ដែល​យើង​អាច​រៀន​អ្វី​មួយ​ពី។ ជាឧទាហរណ៍ ស្វែងយល់អំពីទីតាំងល្អបំផុតនៅលើផែនទី។ ឬគូប្រកួតនៅក្នុងហ្គេមប្រយុទ្ធដែលនឹងរារាំងចលនាបន្សំដែលប្រើញឹកញាប់របស់អ្នកលេង ដែលជំរុញឱ្យគាត់ប្រើអ្នកដទៃ។ ដូច្នេះ ការរៀនម៉ាស៊ីនអាចមានប្រយោជន៍ក្នុងស្ថានភាពបែបនេះ។

ស្ថិតិ និងប្រូបាប៊ីលីតេ

មុនពេលយើងចូលទៅក្នុងឧទាហរណ៍ស្មុគ្រស្មាញ សូមមើលថាតើយើងអាចទៅបានឆ្ងាយប៉ុណ្ណាដោយធ្វើការវាស់វែងសាមញ្ញមួយចំនួន ហើយប្រើវាដើម្បីធ្វើការសម្រេចចិត្ត។ ឧទាហរណ៍ យុទ្ធសាស្ត្រពេលវេលាពិត - តើយើងកំណត់ដោយរបៀបណាថាតើអ្នកលេងអាចបើកការវាយប្រហារនៅប៉ុន្មាននាទីដំបូងនៃហ្គេម ហើយតើការការពារអ្វីខ្លះដើម្បីរៀបចំប្រឆាំងនឹងវា? យើង​អាច​សិក្សា​បទពិសោធន៍​ពី​អតីតកាល​របស់​កីឡាករ​ដើម្បី​យល់​ថា​តើ​ប្រតិកម្ម​ណា​ខ្លះ​អាច​នឹង​មាន​នៅ​ពេល​អនាគត។ ដើម្បីចាប់ផ្តើម យើងមិនមានទិន្នន័យឆៅបែបនេះទេ ប៉ុន្តែយើងអាចប្រមូលវាបាន - រាល់ពេលដែល AI លេងទល់នឹងមនុស្ស វាអាចកត់ត្រាពេលវេលានៃការវាយប្រហារលើកដំបូង។ បន្ទាប់ពីវគ្គមួយចំនួន យើងនឹងទទួលបានជាមធ្យមនៃពេលវេលាដែលវានឹងត្រូវការសម្រាប់អ្នកលេងដើម្បីវាយប្រហារនាពេលអនាគត។

វាក៏មានបញ្ហាជាមួយនឹងតម្លៃមធ្យមផងដែរ៖ ប្រសិនបើអ្នកលេងប្រញាប់ 20 ដង ហើយលេងយឺតៗ 20 ដង នោះតម្លៃដែលត្រូវការនឹងស្ថិតនៅចំកណ្តាល ហើយនេះនឹងមិនផ្តល់ឱ្យយើងនូវអ្វីដែលមានប្រយោជន៍នោះទេ។ ដំណោះស្រាយមួយគឺកំណត់ទិន្នន័យបញ្ចូល - 20 បំណែកចុងក្រោយអាចត្រូវបានយកមកពិចារណា។

វិធីសាស្រ្តស្រដៀងគ្នានេះត្រូវបានប្រើនៅពេលប៉ាន់ប្រមាណលទ្ធភាពនៃសកម្មភាពជាក់លាក់ដោយសន្មតថាចំណូលចិត្តពីមុនរបស់អ្នកលេងនឹងដូចគ្នានាពេលអនាគត។ ប្រសិនបើអ្នកលេងវាយប្រហារយើង 62,5 ដងដោយប្រើគ្រាប់ផ្លេក 25 ដងដោយផ្លេកបន្ទោរ និង 12,5 ដងដោយចៃដន្យ វាច្បាស់ណាស់ថាគាត់ចូលចិត្តបាល់ភ្លើង។ ចូរយើងបូកសរុប និងមើលប្រូបាប៊ីលីតេនៃការប្រើប្រាស់អាវុធផ្សេងៗគ្នា៖ fireball=XNUMX%, lightning=XNUMX% និង melee=XNUMX%។ ហ្គេម AI របស់យើងត្រូវរៀបចំដើម្បីការពារខ្លួនពីភ្លើង។

វិធីសាស្រ្តគួរឱ្យចាប់អារម្មណ៍មួយទៀតគឺការប្រើ Naive Bayes Classifier ដើម្បីសិក្សាទិន្នន័យបញ្ចូលក្នុងបរិមាណដ៏ច្រើន និងចាត់ថ្នាក់ស្ថានភាពដើម្បីឱ្យ AI មានប្រតិកម្មតាមរបៀបដែលចង់បាន។ អ្នកចាត់ថ្នាក់ Bayesian ត្រូវបានគេស្គាល់ថាល្អបំផុតសម្រាប់ការប្រើប្រាស់របស់ពួកគេនៅក្នុងតម្រងសារឥតបានការអ៊ីមែល។ នៅទីនោះពួកគេពិនិត្យពាក្យ ប្រៀបធៀបវាទៅនឹងកន្លែងដែលពាក្យទាំងនោះបានបង្ហាញខ្លួនពីមុន (ក្នុងសារឥតបានការ ឬអត់) និងធ្វើការសន្និដ្ឋានអំពីអ៊ីមែលចូល។ យើង​អាច​ធ្វើ​ដូច​គ្នា​បាន​ទោះ​ជា​មាន​ការ​បញ្ចូល​តិច​ជាង​ក៏​ដោយ។ ផ្អែកលើព័ត៌មានមានប្រយោជន៍ទាំងអស់ដែល AI មើលឃើញ (ដូចជាអ្វីដែលអង្គភាពសត្រូវត្រូវបានបង្កើត ឬអ្វីដែលពួកគេប្រើ ឬបច្ចេកវិទ្យាអ្វីដែលពួកគេបានស្រាវជ្រាវ) និងលទ្ធផលចុងក្រោយ (សង្គ្រាម ឬសន្តិភាព ប្រញាប់ប្រញាល់ ឬការពារ។ល។) - យើងនឹងជ្រើសរើសឥរិយាបថ AI ដែលចង់បាន។

វិធីសាស្រ្តបណ្តុះបណ្តាលទាំងអស់នេះគឺគ្រប់គ្រាន់ ប៉ុន្តែគួរប្រើវាដោយផ្អែកលើទិន្នន័យសាកល្បង។ AI នឹងរៀនសម្របខ្លួនទៅនឹងយុទ្ធសាស្ត្រផ្សេងៗដែលអ្នកលេងរបស់អ្នកបានប្រើ។ AI ដែលសម្របខ្លួនទៅនឹងអ្នកលេងបន្ទាប់ពីការចេញផ្សាយអាចក្លាយជាការទស្សន៍ទាយពេកឬពិបាកពេកក្នុងការកម្ចាត់។

ការសម្របខ្លួនដោយផ្អែកលើតម្លៃ

ដោយគិតពីខ្លឹមសារនៃពិភពហ្គេមរបស់យើង និងច្បាប់ យើងអាចផ្លាស់ប្តូរសំណុំនៃតម្លៃដែលមានឥទ្ធិពលលើការសម្រេចចិត្ត ជាជាងគ្រាន់តែប្រើទិន្នន័យបញ្ចូល។ យើងធ្វើដូចនេះ៖

• អនុញ្ញាតឱ្យ AI ប្រមូលទិន្នន័យអំពីស្ថានភាពនៃពិភពលោក និងព្រឹត្តិការណ៍សំខាន់ៗក្នុងអំឡុងពេលហ្គេម (ដូចខាងលើ)។
• ចូរយើងផ្លាស់ប្តូរតម្លៃសំខាន់ៗមួយចំនួនដោយផ្អែកលើទិន្នន័យនេះ។
• យើងអនុវត្តការសម្រេចចិត្តរបស់យើងដោយផ្អែកលើដំណើរការ ឬវាយតម្លៃតម្លៃទាំងនេះ។

ឧទាហរណ៍ ភ្នាក់ងារមានបន្ទប់ជាច្រើនដើម្បីជ្រើសរើសនៅលើផែនទីអ្នកបាញ់មនុស្សទីមួយ។ បន្ទប់នីមួយៗមានតម្លៃរៀងៗខ្លួន ដែលកំណត់ថាតើវាគួរឱ្យចង់ទស្សនាប៉ុណ្ណា។ AI ជ្រើសរើសដោយចៃដន្យនូវបន្ទប់ណាមួយដែលត្រូវទៅដោយផ្អែកលើតម្លៃ។ បន្ទាប់មកភ្នាក់ងារចងចាំថាតើគាត់ត្រូវបានសម្លាប់នៅក្នុងបន្ទប់ណា ហើយកាត់បន្ថយតម្លៃរបស់វា (ប្រូបាប៊ីលីតេដែលគាត់នឹងត្រឡប់ទៅទីនោះវិញ)។ ដូចគ្នានេះដែរសម្រាប់ស្ថានភាពបញ្ច្រាស - ប្រសិនបើភ្នាក់ងារបំផ្លាញគូប្រជែងជាច្រើននោះតម្លៃនៃបន្ទប់នឹងកើនឡើង។

ម៉ូដែល Markov

ចុះ​បើ​យើង​ប្រើ​ទិន្នន័យ​ដែល​ប្រមូល​បាន​ដើម្បី​ធ្វើ​ការ​ទស្សន៍ទាយ? ប្រសិនបើយើងចងចាំរាល់បន្ទប់ដែលយើងឃើញអ្នកលេងនៅក្នុងរយៈពេលជាក់លាក់ណាមួយ យើងនឹងទស្សន៍ទាយថាតើអ្នកលេងនឹងទៅបន្ទប់ណា។ តាមរយៈការតាមដាន និងកត់ត្រាចលនារបស់អ្នកលេងនៅទូទាំងបន្ទប់ (តម្លៃ) យើងអាចទស្សន៍ទាយពួកគេ។

តោះយកបីបន្ទប់៖ ក្រហម បៃតង និងខៀវ។ ហើយក៏ជាការសង្កេតដែលយើងបានកត់ត្រាពេលកំពុងមើលវគ្គហ្គេម៖

ចំនួននៃការសង្កេតនៅក្នុងបន្ទប់នីមួយៗគឺស្ទើរតែស្មើគ្នា - យើងនៅតែមិនដឹងថាកន្លែងណាល្អសម្រាប់ការវាយឆ្មក់។ ការ​ប្រមូល​ស្ថិតិ​ក៏​មាន​ភាព​ស្មុគ​ស្មាញ​ដោយ​ការ​បង្កើត​ឡើងវិញ​នៃ​អ្នក​លេង​ដែល​បង្ហាញ​រាង​ស្មើៗ​គ្នា​ពេញ​ផែនទី។ ប៉ុន្តែទិន្នន័យអំពីបន្ទប់បន្ទាប់ដែលពួកគេចូលបន្ទាប់ពីបង្ហាញនៅលើផែនទីគឺមានប្រយោជន៍រួចហើយ។

វាអាចត្រូវបានគេមើលឃើញថាបន្ទប់ពណ៌បៃតងសមនឹងអ្នកលេង - មនុស្សភាគច្រើនផ្លាស់ទីពីបន្ទប់ក្រហមទៅវា 50% នៃពួកគេបន្តនៅទីនោះ។ ផ្ទុយទៅវិញ បន្ទប់ពណ៌ខៀវមិនពេញនិយមទេ ស្ទើរតែគ្មាននរណាម្នាក់ទៅ ហើយប្រសិនបើពួកគេធ្វើ ពួកគេមិនស្នាក់នៅយូរទេ។

ប៉ុន្តែទិន្នន័យប្រាប់យើងនូវអ្វីដែលសំខាន់ជាងនេះទៅទៀត នៅពេលដែលអ្នកលេងនៅក្នុងបន្ទប់ពណ៌ខៀវ បន្ទប់បន្ទាប់ដែលយើងឃើញគាត់នៅក្នុងបន្ទប់នឹងមានពណ៌ក្រហម មិនមែនពណ៌បៃតងទេ។ ទោះបីជាបន្ទប់ពណ៌បៃតងមានប្រជាប្រិយភាពជាងបន្ទប់ក្រហមក៏ដោយក៏ស្ថានភាពប្រែប្រួលប្រសិនបើអ្នកលេងនៅក្នុងបន្ទប់ពណ៌ខៀវ។ ស្ថានភាពបន្ទាប់ (ឧ. បន្ទប់ដែលអ្នកលេងនឹងទៅ) អាស្រ័យលើស្ថានភាពមុន (ពោលគឺបន្ទប់ដែលអ្នកលេងកំពុងនៅ)។ ដោយសារយើងស្វែងរកភាពអាស្រ័យ យើងនឹងធ្វើការព្យាករណ៍ត្រឹមត្រូវជាងប្រសិនបើយើងគ្រាន់តែរាប់ការសង្កេតដោយឯករាជ្យ។

ការទស្សន៍ទាយស្ថានភាពនាពេលអនាគតដោយផ្អែកលើទិន្នន័យពីស្ថានភាពអតីតកាលត្រូវបានគេហៅថាគំរូ Markov ហើយឧទាហរណ៍បែបនេះ (ជាមួយបន្ទប់) ត្រូវបានគេហៅថាខ្សែសង្វាក់ Markov ។ ដោយសារគំរូតំណាងឱ្យប្រូបាប៊ីលីតេនៃការផ្លាស់ប្តូររវាងរដ្ឋបន្តបន្ទាប់ ពួកវាត្រូវបានបង្ហាញជា FSMs ជាមួយនឹងប្រូបាប៊ីលីតេជុំវិញការផ្លាស់ប្តូរនីមួយៗ។ ពីមុន យើងបានប្រើ FSM ដើម្បីតំណាងឱ្យស្ថានភាពអាកប្បកិរិយាដែលភ្នាក់ងារស្ថិតនៅក្នុង ប៉ុន្តែគំនិតនេះពង្រីកដល់រដ្ឋណាមួយ ថាតើវាត្រូវបានភ្ជាប់ជាមួយភ្នាក់ងារឬអត់។ ក្នុងករណីនេះ រដ្ឋតំណាងឱ្យបន្ទប់ដែលភ្នាក់ងារកាន់កាប់៖

នេះគឺជាវិធីសាមញ្ញមួយក្នុងការតំណាងឱ្យលទ្ធភាពទាក់ទងនៃការផ្លាស់ប្តូររដ្ឋ ដោយផ្តល់ឱ្យ AI នូវសមត្ថភាពក្នុងការទស្សន៍ទាយស្ថានភាពបន្ទាប់។ អ្នកអាចទន្ទឹងរង់ចាំជំហានជាច្រើននៅខាងមុខ។

ប្រសិនបើអ្នកលេងនៅក្នុងបន្ទប់បៃតង មានឱកាស 50% ដែលគាត់នឹងនៅទីនោះនៅពេលក្រោយគាត់ត្រូវបានគេសង្កេតឃើញ។ ប៉ុន្តែ​តើ​មាន​ឱកាស​អ្វី​ខ្លះ​ដែល​គាត់​នឹង​នៅ​តែ​មាន​ពេល​ក្រោយ? មិនត្រឹមតែមានឱកាសដែលអ្នកលេងនៅតែនៅក្នុងបន្ទប់បៃតងបន្ទាប់ពីការសង្កេតពីរប៉ុណ្ណោះ ប៉ុន្តែក៏មានឱកាសដែលគាត់បានចាកចេញ និងត្រឡប់មកវិញផងដែរ។ នេះគឺជាតារាងថ្មីដែលគិតគូរពីទិន្នន័យថ្មី៖

វាបង្ហាញថាឱកាសនៃការឃើញអ្នកលេងនៅក្នុងបន្ទប់បៃតងបន្ទាប់ពីការសង្កេតពីរនឹងស្មើនឹង 51% - 21% ដែលគាត់នឹងមកពីបន្ទប់ក្រហម 5% នៃពួកគេដែលអ្នកលេងនឹងទៅលេងបន្ទប់ពណ៌ខៀវរវាងពួកគេនិង 25% ដែលអ្នកលេងនឹងមិនចាកចេញពីបន្ទប់បៃតង។

តារាងគឺគ្រាន់តែជាឧបករណ៍ដែលមើលឃើញ - នីតិវិធីគ្រាន់តែត្រូវការគុណនឹងប្រូបាប៊ីលីតេនៅជំហាននីមួយៗប៉ុណ្ណោះ។ នេះមានន័យថាអ្នកអាចមើលទៅអនាគតដ៏ឆ្ងាយជាមួយនឹងការព្រមានមួយ៖ យើងសន្មត់ថាឱកាសនៃការចូលបន្ទប់អាស្រ័យទាំងស្រុងលើបន្ទប់បច្ចុប្បន្ន។ នេះត្រូវបានគេហៅថាទ្រព្យសម្បត្តិ Markov - ស្ថានភាពនាពេលអនាគតអាស្រ័យតែលើបច្ចុប្បន្នប៉ុណ្ណោះ។ ប៉ុន្តែនេះមិនត្រឹមត្រូវ 100% ទេ។ អ្នកលេងអាចផ្លាស់ប្តូរការសម្រេចចិត្តអាស្រ័យលើកត្តាផ្សេងទៀត៖ កម្រិតសុខភាព ឬបរិមាណគ្រាប់រំសេវ។ ដោយសារយើងមិនកត់ត្រាតម្លៃទាំងនេះ ការព្យាករណ៍របស់យើងនឹងមានភាពត្រឹមត្រូវតិចជាងមុន។

N-ក្រាម

ចុះ​ឧទាហរណ៍​នៃ​ការ​ប្រកួត​ប្រយុទ្ធ និង​ទាយ​ពី​ចលនា​បន្សំ​របស់​អ្នក​លេង? ដូច​គ្នា! ប៉ុន្តែជំនួសឱ្យរដ្ឋ ឬព្រឹត្តិការណ៍មួយ យើងនឹងពិនិត្យមើលលំដាប់ទាំងមូលដែលបង្កើតជាកូដកម្មបន្សំ។

វិធីមួយដើម្បីធ្វើវាគឺរក្សាទុកធាតុបញ្ចូលនីមួយៗ (ដូចជា Kick, Punch ឬ Block) នៅក្នុងសតិបណ្ដោះអាសន្ន ហើយសរសេរសតិបណ្ដោះអាសន្នទាំងមូលជាព្រឹត្តិការណ៍មួយ។ ដូច្នេះអ្នកលេងចុច Kick, Kick, Punch ម្តងហើយម្តងទៀតដើម្បីប្រើការវាយប្រហារ SuperDeathFist ប្រព័ន្ធ AI រក្សាទុកធាតុបញ្ចូលទាំងអស់នៅក្នុងបណ្តុំមួយ ហើយចងចាំបីចុងក្រោយដែលប្រើក្នុងជំហាននីមួយៗ។

(ខ្សែអក្សរដិតគឺជាពេលដែលអ្នកលេងបើកការវាយប្រហារ SuperDeathFist ។ )

AI នឹងឃើញជម្រើសទាំងអស់នៅពេលអ្នកលេងជ្រើសរើស Kick បន្តដោយ Kick ផ្សេងទៀត ហើយបន្ទាប់មកសម្គាល់ថាការបញ្ចូលបន្ទាប់គឺតែងតែ Punch ។ វានឹងអនុញ្ញាតឱ្យភ្នាក់ងារទស្សន៍ទាយចលនាបន្សំរបស់ SuperDeathFist និងរារាំងវាប្រសិនបើអាចធ្វើទៅបាន។

លំដាប់នៃព្រឹត្តិការណ៍ទាំងនេះត្រូវបានគេហៅថា N-grams ដែល N គឺជាចំនួនធាតុដែលត្រូវបានរក្សាទុក។ នៅក្នុងឧទាហរណ៍មុនវាគឺជា 3-gram (trigram) ដែលមានន័យថា: ធាតុពីរដំបូងត្រូវបានប្រើដើម្បីទស្សន៍ទាយទីបី។ ដូច្នោះហើយ ក្នុង 5 ក្រាម ធាតុទាំងបួនដំបូងព្យាករណ៍ថា ទីប្រាំ និងបន្តបន្ទាប់ទៀត។

អ្នករចនាត្រូវការជ្រើសរើសទំហំ N-grams ដោយប្រុងប្រយ័ត្ន។ N តូចជាងត្រូវការអង្គចងចាំតិច ប៉ុន្តែក៏រក្សាទុកប្រវត្តិតិចផងដែរ។ ឧទាហរណ៍ 2-gram (bigram) នឹងកត់ត្រា Kick, Kick ឬ Kick, Punch ប៉ុន្តែនឹងមិនអាចរក្សាទុក Kick, Kick, Punch បានទេ ដូច្នេះ AI នឹងមិនឆ្លើយតបទៅនឹងបន្សំ SuperDeathFist ទេ។

ម្យ៉ាងវិញទៀត លេខធំត្រូវការអង្គចងចាំកាន់តែច្រើន ហើយ AI នឹងកាន់តែលំបាកក្នុងការហ្វឹកហាត់ ព្រោះថានឹងមានជម្រើសជាច្រើនទៀតដែលអាចធ្វើបាន។ ប្រសិនបើអ្នកមានការបញ្ចូលចំនួនបីដែលអាចធ្វើបាននៃ Kick, Punch ឬ Block ហើយយើងបានប្រើ 10-gram នោះនឹងមានប្រហែល 60 ពាន់ជម្រើសផ្សេងគ្នា។

គំរូ bigram គឺជាខ្សែសង្វាក់ Markov សាមញ្ញ - គូរដ្ឋអតីតកាល/បច្ចុប្បន្ននីមួយៗគឺជា bigram ហើយអ្នកអាចទស្សន៍ទាយស្ថានភាពទីពីរដោយផ្អែកលើទីមួយ។ N-grams 3-gram និងធំជាងនេះក៏អាចត្រូវបានគេគិតថាជាខ្សែសង្វាក់ Markov ដែលធាតុទាំងអស់ (លើកលែងតែធាតុចុងក្រោយនៅក្នុង N-gram) រួមគ្នាបង្កើតជារដ្ឋទីមួយ និងធាតុចុងក្រោយទីពីរ។ ឧទាហរណ៍នៃហ្គេមប្រយុទ្ធបង្ហាញពីឱកាសនៃការផ្លាស់ប្តូរពីស្ថានភាពទាត់ និងទាត់ទៅរដ្ឋទាត់ និងដាល់។ តាមរយៈការព្យាបាលធាតុបញ្ចូលប្រវត្តិសាស្រ្តជាច្រើនជាឯកតាតែមួយ យើងកំពុងបំប្លែងលំដាប់បញ្ចូលទៅក្នុងផ្នែកនៃរដ្ឋទាំងមូល។ នេះផ្តល់ឱ្យយើងនូវទ្រព្យសម្បត្តិ Markov ដែលអនុញ្ញាតឱ្យយើងប្រើខ្សែសង្វាក់ Markov ដើម្បីទស្សន៍ទាយការបញ្ចូលបន្ទាប់ និងទស្សន៍ទាយអ្វីដែលចលនាបន្សំនឹងកើតឡើងបន្ទាប់។

សេចក្តីសន្និដ្ឋាន

យើងបាននិយាយអំពីឧបករណ៍ និងវិធីសាស្រ្តទូទៅបំផុតក្នុងការអភិវឌ្ឍន៍បញ្ញាសិប្បនិម្មិត។ យើងក៏បានពិនិត្យមើលស្ថានភាពដែលពួកគេត្រូវប្រើ និងកន្លែងដែលវាមានប្រយោជន៍ជាពិសេស។

នេះគួរតែគ្រប់គ្រាន់ដើម្បីយល់ពីមូលដ្ឋានគ្រឹះនៃហ្គេម AI ។ ប៉ុន្តែជាការពិតណាស់ ទាំងនេះមិនមែនជាវិធីសាស្រ្តទាំងអស់នោះទេ។ មិនសូវពេញនិយម ប៉ុន្តែមិនមានប្រសិទ្ធភាពតិចជាងនេះរួមមាន:

• ក្បួនដោះស្រាយបង្កើនប្រសិទ្ធភាព រួមទាំងការឡើងភ្នំ ការចុះជម្រាល និងក្បួនដោះស្រាយហ្សែន
• ក្បួនដោះស្រាយការស្វែងរក/កំណត់ពេលគូបដិបក្ខ (ការកាត់ចេញ minimax និង alpha-beta)
• វិធីសាស្រ្តចាត់ថ្នាក់ (perceptrons បណ្តាញសរសៃប្រសាទ និងម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ)
• ប្រព័ន្ធសម្រាប់ដំណើរការការយល់ឃើញ និងការចងចាំរបស់ភ្នាក់ងារ
• វិធីសាស្រ្តស្ថាបត្យកម្មចំពោះ AI (ប្រព័ន្ធកូនកាត់ ស្ថាបត្យកម្មសំណុំរង និងវិធីផ្សេងទៀតនៃការត្រួតលើប្រព័ន្ធ AI)
• ឧបករណ៍ចលនា (ការធ្វើផែនការ និងការសម្របសម្រួលចលនា)
• កត្តាដំណើរការ (កម្រិតលម្អិត គ្រប់ពេលវេលា និងក្បួនដោះស្រាយពេលវេលា)

ធនធានលើបណ្តាញលើប្រធានបទ៖

1. GameDev.net មាន ផ្នែកដែលមានអត្ថបទ និងការបង្រៀនអំពី AI, ក៏ដូចជា វេទិកា.
2. AiGameDev.com មានបទបង្ហាញ និងអត្ថបទជាច្រើនលើប្រធានបទជាច្រើនទាក់ទងនឹងការអភិវឌ្ឍន៍ AI ហ្គេម។
3. GDC Vault រួមបញ្ចូលប្រធានបទពី GDC AI Summit ដែលភាគច្រើនអាចរកបានដោយឥតគិតថ្លៃ។
4. សម្ភារៈមានប្រយោជន៍ក៏អាចត្រូវបានរកឃើញនៅលើគេហទំព័រ AI Game Programmers Guild.
5. Tommy Thompson អ្នកស្រាវជ្រាវ AI និងអ្នកបង្កើតហ្គេម បង្កើតវីដេអូនៅលើ YouTube AI និងហ្គេម ជាមួយនឹងការពន្យល់ និងការសិក្សាអំពី AI នៅក្នុងហ្គេមពាណិជ្ជកម្ម។

សៀវភៅលើប្រធានបទ៖

1. ស៊េរីសៀវភៅ Game AI Pro គឺជាបណ្តុំនៃអត្ថបទខ្លីៗដែលពន្យល់ពីរបៀបអនុវត្តមុខងារជាក់លាក់ ឬវិធីដោះស្រាយបញ្ហាជាក់លាក់។

ហ្គេម AI Pro៖ ប្រមូលប្រាជ្ញារបស់អ្នកជំនាញ AI ហ្គេម
ហ្គេម AI Pro 2៖ ប្រមូលប្រាជ្ញារបស់អ្នកជំនាញ AI ហ្គេម
ហ្គេម AI Pro 3៖ ប្រមូលប្រាជ្ញារបស់អ្នកជំនាញ AI ហ្គេម

2. AI Game Programming Wisdom series គឺជាជំនាន់មុននៃ Game AI Pro series។ វាមានវិធីសាស្រ្តចាស់ៗ ប៉ុន្តែស្ទើរតែទាំងអស់គឺពាក់ព័ន្ធសូម្បីតែសព្វថ្ងៃនេះ។

ប្រាជ្ញាការសរសេរកម្មវិធី AI Game ១
ប្រាជ្ញាការសរសេរកម្មវិធី AI Game ១
ប្រាជ្ញាការសរសេរកម្មវិធី AI Game ១
ប្រាជ្ញាការសរសេរកម្មវិធី AI Game ១

3. បញ្ញាសិប្បនិម្មិត៖ វិធីសាស្រ្តទំនើប គឺ​ជា​អត្ថបទ​មូលដ្ឋាន​មួយ​សម្រាប់​អ្នក​រាល់​គ្នា​ដែល​ចង់​យល់​ពី​វិស័យ​ទូទៅ​នៃ​បញ្ញា​សិប្បនិម្មិត។ នេះមិនមែនជាសៀវភៅអំពីការអភិវឌ្ឍន៍ហ្គេមទេ វាបង្រៀនពីមូលដ្ឋានគ្រឹះនៃ AI

ប្រភព: www.habr.com