有人对游戏 ai 设计感兴趣无

[nekoharuya]

项目背景:github 上某不知名开源黄油
语言:python
目前算法:整体上依然是 goap 的思路，然后将世界变量作为条件随机场的条件参数，供 ai 决策自己要检索的目标，通过对数据结构做了优化，写了套简易的启发式检索，供 ai 决策出完整的行为链，同时由于游戏里 npc 很多(2800 个)，于是又通过近似检索，评分加权等思路，做了套蚁群优化，来降低 ai 的决策次数
目前成果:上诉这套东西都做完了，crf 的条件粗略几千个，角色属性纬度大几百个，写了套编辑器来随便增减目标，又大范围利用 chatgpt 做内容产出
瓶颈:性能是大问题，目前我个人能力已经找不到优化空间，除非对游戏设计做减法
需求:我想要进一步改进它，让 npc 看上去更像人，让调试变得更容易，让性能变得更好，更快，但是我自己肚子里没有墨水了，chatgpt 现在也只能对我放彩虹屁，我需要新的思路，感兴趣的话欢迎一起讨论撒

[thorneLiu]

看下来 讲性能提升是不是换语言更立竿见影？
c/cpp 额 要么 rust

[nekoharuya]

@thorneLiu 几个方面，一则这个项目开发了五年，数据结构之类的设计上和 python 强耦合，利用了大量的 python 的特性和设计思想，另一方面，python 的生态还是可以的，我用了许多三方库来解决问题，社区的拖拉机还是很可以的，比如用 numpy 实现，以 value 作为随机区间，随机选择一个 key ，比起我直接拿 python 写二分法，要快 40%，又或者我写的蚁群算法依赖近似度检索，chatgpt 给我挑了一堆库多半都是炼丹来实现的，我直接拿来就用，不用去关心它的设计原理，

[csulyb]

耗时算法用 c++做吧，以前做游戏基本就是套一个行为树来实现，没有其他办法，穷举法倒也是一个办法。
从我多年游戏来看，NPC 的智能化程度，并不影响用户的对游戏的体验，之前做游戏游戏大部分是专注于图形相关的，ai 这块基本上不会太复杂。

[nekoharuya]

@csulyb 没有什么纯算法上的性能瓶颈，有数学计算的硬性需求的，大部分都通过各种库解决了，例如随机算法和检索近似对象，还有寻路，主要的性能瓶颈在硬性的计算量上，只能从整个 ai 算法的框架上做优化来规避，比如通过基本案例推导，让 npc 之间相互模仿行为，npc 每次要检索的行为树就降低了一大截，俺这个是纯文字沙盒游戏，重心就在 ai 上，我清楚这技术也是屠龙技，我搬砖多年，完全用不到，但是它酷啊，整个游戏行业，从各种 3a 到各路独立游戏，不管是什么模拟人生钢铁雄心绿帽之王，还是什么 cdda ，矮人要塞，环世界，哪个 ai 有我这个高级，你说是吧

[zglzy]

主要是换语言就可以有免费的性能提升，我本来还想建议试试换到 PyPy ，但是好像没有看到过什么成熟的从 CPython 迁移到 PyPy 的例子就还是算了

[nekoharuya]

@zglzy 项目大了，积重难返，其实也试过走 nuitka 之类的东西，把 python 转成 c ，再编译，但是有几个问题，一是现在项目和 python 耦合性太高了，不说那些复杂的语法糖，光是一个推导式，它都搞不定，更别提对各种 c 库的兼容，那些走 jit 的方案也是同理

[exch4nge]

不换语言的话，那就先上多线程吧

[nekoharuya]

@exch4nge python 的缺陷在这里，它的多线程是是在单进程中运行的，然后 cpu 在各个线程中不断切换，于是就有了一个问题，切换也是要时间的，在这种 cpu 密集的场景下，多线程将列表处理完一遍的时间，比单线程遍历完一遍，需要更多的时间，多进程的话，进程间通信的开销更加巨大，特别是在没有 fork 的 windows 上，要计算的数据还得单独传递过去，在数据体积十分庞大的情景(特指俺这游戏)，这是相当高昂的开支，另外就是沙盒游戏的通病，角色数据只能逐个迭代，不能分开算……不过，目前游戏里还是有一些多线程处理，比如 ui 的渲染在单独的线程里，也有多进程的应用，比如用子进程实现了完全不影响玩家操作的自动存档，又或者做近似对象检索的库，它建立索引的过程是多核的

[ac23]

优秀~

[ac23]

大佬，给个 GitHub 地址呀

[L1shen]

今天还看到一个文章，用 rust 加速 python

https://www.infoq.cn/article/DIt8eRMQd8mw1i3aV077

如果是有明显的热点可以试试用这种方法

[nekoharuya]

@L1shen 这个昨天也正好刷到，这类方案其实之前考虑过，最后还是放弃了，参考我在第 8 ，18 和 20 楼的回复

[huskar]

很感兴趣，搜了下 GOAP 感觉资料不是很多，楼主有没有介绍 GOAP 的博客？
这篇介绍 GOAP 原理的博客 https://blog.csdn.net/LIQIANGEASTSUN/article/details/79132514 可以参考吗？

我有做 ABM(agent-base model)模拟的经验，一开始也是用 python 结合 numpy 做，也尝试过用 cython 、mypyc 编译加速，但是用起来都有坑，最终还是改成编译语言了。感觉用 python 做计算密集还是不太行。abm 里 agent 的行为很简单，基本靠策略判断就能实现了，没有设计 ai 算法。

另外楼主试过用强化学习实现 AI 策略吗？

[nekoharuya]

@huskar 强化学习是一个方向，但是和俺这游戏设计理念不同，难点在于奖励机制不好设计，因为在这个游戏中，npc 没有一个明确的，统一的，游戏目标，npc 每个目标都是它自己顺着世界状态，推出来的，

[nekoharuya]

@huskar 除了上诉的奖励机制外，世界状态通常是计算出来的，而不是可以直接查值的，例如小明有没有喜欢的人，小红和小明的性格是否合拍，也就是说，上了强化学习，也并不能减少这块的硬性计算量