AI, орієнтований на дії: алгоритм ухилення займає багато часу

Ухилення, процес ухилення, протилежне погоні. Замість того, щоб намагатися зменшити відстань до цілі, ми намагаємось її максимально збільшити.

Це вимагає багато часу під час ухилення від кількох об'єктів одночасно. Я тут використовую BFS. Щоб швидше зробити, які алгоритми я повинен використовувати?

Я пропоную вам використовувати рульові поведінки для імітації таких типів поведінки. Дивіться на цій сторінці приклад ухильної поведінки, реалізованої таким чином.

Основна ідея полягає в тому, що ви розглядаєте лише такі прості властивості, як вектори позиції та швидкості вашої здобичі та хижаки, щоб обчислити бажану зміну цих властивостей за лінійний час. Це призводить до чуйної, але реалістичної поведінки.

Однак це пов'язано з тим, щоб не брати до уваги інших факторів, як, наприклад, більш високі цілі (наприклад, положення бонусів) або положення статичних перешкод, як це було б у проходженні шляху. Вони можуть бути враховані, поєднуючи підхід керування поведінкою, наприклад, з потенційними полями (див. Використання потенційних полів у сценарії стратегії гри в реальному часі (навчальний посібник) ) або шляхом визначення маршруту (наприклад, метод методу карт коридору ). У випадку останнього ви хочете зменшити частоту оновлення (і довірити рульовим поведінкам, щоб компенсувати помилки, які можуть виникнути через це) або зробити часткове перепланування, можливо, поєднане з більш ієрархічним підходом (наприклад, ієрархічний ближній оптимальний шлях) (HPA *) .

Якщо ви хочете більш конкретної відповіді, вдосконаліть своє запитання, щоб дізнатися більше про свою проблему. Наприклад, розглянемо опис вашої гри та кількість NPC, про які ми говоримо.