游戏AI实现-GOAP

GOAP原理：

GOAP（面向目标的行动规划，Goal - Oriented Action Planning） 旨在让智能体通过选择一系列行动来达成特定目标。它基于对世界状态的理解，每个行动都有前提条件和效果。智能体通过分析当前世界状态与目标状态的差异，选择能缩小这种差异的行动，直到实现目标。

关键组件：

世界状态（World State）：用一组属性 - 值对来描述游戏世界的当前情况。例如，“playerHasAxe” 为true表示玩家拥有斧头，“woodCollected” 为0表示收集的木材数量为 0。世界状态会随着行动的执行而改变。
行动（Action）：每个行动都包含前提条件（preconditions）和效果（effects）。前提条件是行动能够执行所必须满足的世界状态，效果则是行动执行后对世界状态的改变。比如 “砍树” 行动，前提条件可能是 “playerHasAxe” 为true，效果是 “woodCollected” 增加，“treeCount” 减少。
目标（Goal）：也是用一组世界状态来定义，代表智能体期望达到的最终状态。例如，目标可能是 “woodCollected>= 10” 且 “hasShelter” 为true。
规划器（Planner）：负责搜索一系列行动以实现目标。常用的方法是 A* 算法的变体，通过评估不同行动序列的成本来找到最优解。成本通常基于行动的执行代价以及该行动对接近目标的贡献程度。

代码实现：

测试Demo实现：

未完待续。。。

参考书籍和链接：

《AI FOR GAMES》

Hybrid GOAP AI in Unity (Package Overview) (youtube.com)

Better AI in Unity - GOAP (Goal Oriented Action Planning) (youtube.com)

Goal-Oriented Action Planning Part 1 (youtube.com)

面向目标的 AI 行动计划 |Envato Tuts+ (tutsplus.com)