[AI]高级人工智能(1)——回避障碍物

效果：

在连续动作环境(不是Tile Based 环境)中，回避障碍物是很复杂。因为不像 Tile Based 环境，"点"在理论上有无限多，很难准确地判断。

但不是没有办法的，回避障碍物可以使用 Lenard-Jones potential 函数。

它的方程为：

n、m 为不同常量时的曲线为：

Lenard-Jones potential 函数是物理中的一个函数，他表示分子间的引力与斥力的势能。U 为原子间的势能，它与原子间的距离 r 成反比。A、B 就像 m、n 一样，是常量，其中 -A/pow(r,n) 表示引力部分，B/pow(r，m) 表示斥力部分。在 r 很小时会产生斥力，当 r 很大时会产生引力。参数 m、n 控制曲线的斜率，A、B 控制力的强度。

如果在游戏中，把障碍物与人物看成原子的话，就可以使用 Lenard-Jones potential 函数来实现回避障碍物。当十分接近时，会产生很大的斥力，再把 A 设为0，使引力始终为0这样回避障碍物就实现了。

核心代码：

var vo:Vector2d = new Vector2d();//障碍物的坐标
var vp:Vector2d = new Vector2d().reset(player);//人物的坐标
var r:Vector2d = new Vector2d();//人物与障碍物的差
var u:Vector2d = new Vector2d();
var dv:Vector2d = new Vector2d();
var B:Number = 20;//函数的 B 常量
for each(var i:Obstacle in obstaclesList) {
 vo.reset(i);//vo = (i.x, i.y)
 r.sub(vp, vo);//r = vp - vo
 if(r.length >40) {//当 距离>40 时不判断，直接返回。
  continue;
 }
 u.reset(r);//u = r
 u.normalize();//把 u 设为单位向量
 var d:Number = r.length/i.r;//d = |r| / i.r (i.r为障碍物的半径)
 var U:Number = B/Math.pow(d,2.5)；//A = 0，n = 1，m = 2.5
 u.scaleTo(U);//u *= U
 dv.add(player.v, u);//dv = player.v + u (player.v为人物的速度)
 dv.length = 5//|dv| = 5
 player.v.reset(dv);//player.v = dv
}

源码下载：AI_Avoid.rar。

参考文献：AI for Game Developers