http://www.gameres.com/677342.html
文/AI分享站Finney
首先先来定义一下什么是我这里说的核心游戏系统，一般来说，游戏可以大致分为两个部分，一个部分是我这里指的核心游戏部分，比如FPS里的射击战斗部分，或者如LOL里的战斗对抗部分，又或者是体育类游戏里的比赛部分等等。
这些是游戏里的主要玩的点，核心游戏部分可以很重，占到玩家80%以上的游戏时间，也可以很轻，甚至没有，像现在很火的列王的纷争（COK），几乎就是没有什么核心游戏部分。另一部分就是外围的辅助系统，比如装备，任务，社交等等，这部分也有玩点和设计用意，这两个部分相辅相成组成了大部分游戏的主体框架。而今天要聊的就是第一部分的核心游戏系统。
从开始做游戏到现在，我大部分的工作是专注在引擎以及核心游戏系统部分，所以今天就想来聊聊如何来设计核心游戏系统。当然这个设计不一定适用于所有的游戏，仅仅是我个人的经验之谈，希望能给大家一些参考的价值。
大多数情况下，核心游戏系统都比较复杂，牵涉到很多系统之间的协作，也和策划的需求有相当紧密的联系，国外公司一般称这类程序员为Gameplay programmer，国内公司这种职位相对较少，一般就以泛指的客户端程序员代替了，但和做外围系统的程序员不同，真正的Gameplay programmer需要对于AI系统，动画系统，物理系统都有一定的了解，因为这是核心游戏部分都会涉及的领域。正因为核心游戏系统的复杂性，所以必须要有一个适合的，灵活的架构来支持，抛开一些基本的优点，诸如可扩展性，低耦合等等要求不说，我最直观的感受，就是以下两点好处：
- 多人合作：一个好的架构可以将系统进行合理的拆分，这样的话就便于多人协作，对于核心游戏系统来说，一般是不可能一个人单枪匹马的去完成的，所以如何去拆分任务让更多的人参与，对于项目而言是相当有利的。对于现在的AAA的游戏来说，单单一个主角，可能就会有将近10个程序员在一起制作，包括AI，行为，动画等等，所以好的架构可以保证工作效率随着人数的增加而得到提升；
- 留有“挥霍”的空间：架构是很难完美的，因为在开始设计的时候，所有的需求并不明确，特别是核心游戏系统，可能会推倒重来，重构很多次。而当游戏方向定下来了之后，一些策划的改动或者扩展，也会使得以前的架构在某些情况下变得不是很适用，这个时候就会需要一些对于特殊情况的处理，也就是所谓的“hack”，好的架构会让我们在开发后期，在不重构的情况下，有余地进行适当的“hack”，而不是在一开始就“hack”到底，导致bug满天飞。
好，接下来开始说说设计思路。
解构一个复杂的系统，有一个很好（不是唯一)的办法，就是“分层结构”（Layered structure），也就是把一个复杂系统，分成一层一层的结构，每一层都做每一层自己的事情，并且每一层都是单向依赖。这样可以把一个网状的，如同乱线团一样的复杂系统，梳理的非常的清楚。这样的例子其实很多，比如学计算机的人都很熟悉的OSI网络七层架构，这就是一个非常好的，把复杂问题层次化的典型例子，它使得每一层都可以独立设计，而且可以有明确的设计目标，层与层之间的接口也变得非常清晰。
还有一个游戏的例子，就是游戏的架构，游戏其实也是遵照这层次化的设计思路来设计的，虽然不像OSI那样有一个标准化的结构，但是大部分游戏可以分为核心层（Core），引擎层（Engine），游戏类型层（Game Genre），游戏层（Game），像现在一般的商用的游戏引擎，基本就做到核心层和引擎层，再往上就是使用引擎的人自己设计和实现了，像一些大公司可能会有一些积累，就会根据不同的游戏类型在引擎层的之上抽象出游戏类型层，比如体育类游戏，射击类游戏等等，然后再开始开发实际的游戏产品。这种分层的架构设计就可以帮助我们把复杂的系统进行解构，从而实现每个子系统或者模块的功能单一化。
核心游戏系统架构也可以用这样的思路来设计，这样每一层都可以由不同的人来负责，如果实现的话，在一层当中也可以进行任务分工，那下面我就根据执行顺序，自上而下一层一层来描述。
总共的架构分为五层
第一层：更新/收集世界信息
这部分主要是要设计两个部分，一个是知识池（Knowledge Pool），另一个就是感知器（Sensor）。听上去很高大上，其实概念上很简单，知识池可以理解为就是世界信息的数据存储，比如某一个智能体需要一个这样的数据，“谁是离我最近的人”，这个数据就可以存下来，方便获取，写成代码的话，就类似于这样：
- KnowledgePool().Get(WHO_IS_NEAREST_TO_ME, meEntity)
这种数据存储的数据结构，可以根据不同的情况去选择，用key-value的黑板格式，或者自定义的数据类型都可以，也可以分成多个知识池来管理不同类型的数据，设计的关键就是要有清晰的世界信息获取方式。
感知器的话，就可以理解为具体的获取数据的方法，可以定义一个感知器的接口类：
- interface ISensor {
- Update()
- }
这样就可以把这个感知器注册到一个感知器的管理器中，当收集所有世界信息的时候，只要遍历一遍这些感知器，就可以完成对于世界信息的收集工作：
- foreach(s in sensers){
- s.Update()
- }
感知器也可以分为两种，一种是全局的感知器，这种可以看成是对于游戏整个世界，或者关卡的抽象，比如势力图
还有一种是个体感知器，比如听力，视野等等
当然，这只是一种思路，也可以不定义接口，而是写成不同的数据更新方法。这就是第一层，主要的功能就是为下层预备数据。
第二层往下，都是针对单个智能体的更新，也就是说需要对每一个智能体执行更新操作。关于智能体的行为，很多时候容易写的一团糟，又要决策，又要运动，又有动画，还要处理物理，有些系统呢，需要每帧更新，比如位置，有些呢，又不需要更新的这么勤快，比如决策，所以在设计上我把它分成几个层次，决策层，请求层，行为层，运动层。
第二层：更新决策层（做什么）- What to do
决策层就是负责来决策此时该智能体应该要做什么，比如我要走到某个位置，我要攻击，放技能等等，可以说，这就是传统所说的人工智能AI部分，这部分只根据当前所有的世界信息，产生“做什么”的决策，决策的内容会封装在一个“请求”（Request）的结构中，继续向下传递：
这部分的结构可以有多种选择，状态机，行为树，甚至神经网络都可以，但是有两个要点
决策的时机：也就是什么时候进行决策，这里就可以用来控制决策的频率，比如离玩家很远的人可以降低决策频度，离玩家近的人，可以提高决策频度等等，类似与这种的控制都应该在这一层中得到支持和实现。
决策请求的类型：这一层的输出可以看成是所有该智能体可以做的决策的总和，所以千万不要把一些下层的行为放在这里，比如寻路，接下来会说到，寻路并不是决策层的决策行为，它只是来处理“移动”这个决策的一个方法。还有比如选择动画，也不应该是决策层所要关心的内容。
还有一种特殊的模块是属于这一层，那就是玩家输入，玩家的输入说起来，其实也是一种决策，只是这个决策是通过玩家来做出的。行为树就很容易处理这个情况，将玩家输入和AI决策可以融合成一体让所有的智能体共用：
第三层：更新请求层
上面说到，决策层产生的输出是“请求”，请求是一种自定义的数据结构，包含所以该决策所需要传递的决策信息。那为什么要更新请求层呢？直接把当前请求传递给下一层不就好了吗？这一层的功能抽象，也是我在实践中的经验，总结一句话，“请求层”就类似于一个“防火墙”，由它来“过滤”，那些请求会被继续往下传递到行为层。
我们可以先来看一下请求层的设计，请求层的设计，借鉴了渲染中的“双缓冲”结构，把请求分为，前端请求（Foreground Request），后端请求（Background Request），前端请求就是当前智能体正在执行的请求，因为一个决策请求可能需要多帧才能完成（想象一下，移动到某一个点这个请求，就需要一段时间才能完成），后端请求就是准备执行决策请求，当一定条件满足后，就可以做了一个“Flip”的操作（前后互换），把后端请求变成前端请求，这样的话，后一层就会执行这个请求，从而改变行为了。
细心的同学会发现，在上面的描述中，有一个地方值得回味，就是Flip操作是，“当一定条件满足后”，而这个条件的监测，就是这里更新请求层的时候需要做的事情了，其实每一个决策是存在潜在的优先级的，这个优先级和策划的设计有关，比如我当前正在执行一个攻击的请求，这个时候，新的请求是一个释放技能，此时策划要求，技能释放能够打断当前的攻击行为，那这个判断逻辑就可以写在这一层中，使得当这个条件满足时，可以立即切换请求。这里的设计一般采用配优先级表，和基于规则的（Rule-based）的实现方式。
有了这一层的逻辑抽象，就可以保证它的上层和下层都不需要关心决策能否被执行，而只要关心自身的决策/行为逻辑就可以了，大大降低了上下层的实现复杂度。由于这部分逻辑相对比较繁琐，所以把这些繁琐的逻辑集中在一起，也是一种理想的设计思路。
第四层：更新行为层（怎么做）- How to do
就像补充里所描述的，行为层的职责就是怎么做，也就是如何去完成上层经过决策，经过规则的逻辑判定，最终“胜出”的那个前端请求。像前面提到的寻路，或者选择需要播放的动画，都是在这一层所完成的工作，这层的实现同样可以用行为树，或者状态机，不过我还是推荐用行为树，因为行为树可以扩展和处理更复杂的行为逻辑，比如随机，序列，并行等等。某些请求可能不是用单个行为可以完成的，需要多个行为的配合，比如完成一个技能释放，需要先集气，然后再释放，类似这样的行为，就可以用行为树来实现了，更棒的是，集气这个行为还能被共用。
在这一层中，会产生一系列的输出，有特效，有动画，可能还有声音等等，有一个很重要，也是必不可少的，那就是运动信息（Kinematic Information)，这也是智能体最终呈现的样子，这部分内容包括空间信息（位移，旋转，缩放）和动画信息，某些情况下，智能体的空间信息可以通过物理计算在这一层直接更新，动画信息直接调用引擎的播放接口即可，但有时候这种处理还不够，那就需要第五层，运动层的参与。
第五层：更新运动层
游戏中物体的移动有两种方式，一种是动画跟随物理，比如为了解决移动中的滑步问题，我们可以做多个移动的动画，然后根据速度做融合，这样可以调出一个滑步不明显的表现，还有一种就是root motion，也就是物理跟随动画，就是物体的移动和旋转完全跟随动画中的效果，这样可以解决一些物理没有办法模拟的复杂运动。
有些时候，我们需要混合使用这两种方式，并且在位移过程中需要加上一些修正（比如为了解决同步问题），这个时候，就需要用运动层来实现。这一层的输入，就是行为层产生的运动信息，输出自然就是智能体最终的空间信息和动画了。
在实现上，建议对这两种方式进行封装，这样可以对于上层来说，接口就相对统一了。
有了这五层的设计，整个核心游戏系统的更新循环就完成了，并且每一层的功能职责和输入输出都有了明确的定义，如下图：
每一层具体的设计可以仁者见仁，智者见智，并且也和具体的游戏有关，但是整体的架构基本就可以参考这样的思路，至少以我的实践来看，不会导致结构混乱，也可以更好的进行分工和合作。
最后再聊一个关于核心游戏部分网络同步和回放系统的问题（同步和回放是差不多的东西，回放只是把同步的东西存下来而已）。
其实如果有了上面的架构设计，理解网络同步就很简单了。
如果同步放在第二层，那就是采用的“同步输入”（Input synchronization）的方式
如果在第三层，那就是“同步命令”（Command synchronization）的方式
如果放在第四层/第五层，那就是“同步状态”（State synchronization）的方式
这三种方式是越往下传输的数据越多，但是“失同步”（Out of synchronization）的风险就越小。当然不同的方式在具体实现上，还是有很多值得讨论的地方，这里就不多说了。如果客户端和游戏服务器采用相同的语言，那就可以很方便的在单机游戏和网络游戏间切换，在单机模式下，只是本地和本地通信罢了，FPS游戏很多都是这样去实现的，其实在单机模式下，内部也是一个CS的架构，而如果需要一个服务器的版本，只是加一个宏去编译而已。
好了，就说这么多，欢迎讨论，也可以下载那个僵尸的 <ignore_js_op>
TsiU_AIToolkit_CSharp.zip ，里面也采用了类似的层次结构，可以参考一下。