Artificial intelligence 游戏中的软编码AI

我正在开发一个游戏，在概念上类似于风险或垄断（基本上是一个棋盘游戏，尽管我的问题可以外推）。因此，假设我想要电脑对手，我需要写一个人工智能

现在，我的问题是，我是否需要直接在程序中对人工智能进行编程（硬编码），或者我编写的程序是否有某种方式可以读取方向和行为规则列表，对人工智能进行软编码

---

我假设，如果我要像前面描述的那样编写软代码，我将需要对AI可以使用的所有可能的操作进行编程。我还假设我不能告诉一个软模式的AI做任何事情，除非编程（例如，一些依赖于多种因素的决策行为）。与特定于硬编码的人工智能相比，软编码的彻底改变（优势/劣势）是什么？

一些人工智能技术非常占用CPU，例如基于启发式的广度优先或深度优先搜索，适用于许多策略游戏

这样的搜索需要您建立API，以便能够检索当前“状态”（游戏状态的完整表示），以及该状态（或任何状态）的所有可能移动/更改列表，以及这些移动/更改将导致的新状态

完成此操作后，任何算法都可以进行适当的API调用，以查看可以移动到哪些状态，以及可以从这些状态移动到哪些状态，等等。您尝试向前看的移动次数越多，可以达到的状态将呈指数级增长，因此即使是两次移动，对计算机来说都可能是一项可怕的任务

由于这一困难，启发式分数用于评估跟随某些分支的可能有用性，因此搜索算法可能会立即放弃当前状态中90%的第一个可能移动

如果一个AI遵循这种获取状态、评估状态并查看从状态到后续状态的可能移动/变化的模式，那么很明显，你可以对AI进行软编码，但是AI为了试探性地对状态进行评分所做的事情可以是任何事，而你的软代码就像一种微型语言。就我个人而言，除非你想实现一个迷你语言，否则这是一个相当困难的工作方式。此外，您的软代码将需要某种解释，这可能使其速度比代码慢一倍，或慢10或100倍。。。任何指数级困难的技术都意味着性能非常重要。如果所选择的人工智能方法不是指数级的困难，或者不是简单的困难，那么可以使用软代码，但仍然需要实现一种微型语言

当然，您可以将AI作为一个单独的程序来实现，该程序通过网络与您的游戏程序进行通信。这可能只是localhost对localhost，但当然不必如此。这项技术的性能在某种程度上取决于网络延迟和带宽，但这可能是一个重大问题，也可能不是

---

您还可以将AIs实现为可动态加载的库（例如，您的游戏可能会在某个文件夹中查找，看到一堆库文件，并尝试在运行时加载它们（例如，使用dlopen（）for UNIX）。然后，您可以随时输入新的AIs，而不必触碰游戏本身。如果您的主要要求是拥有插件AIs并在性能重要的地方保持性能，这可能是一条出路。

看起来您正在寻找一个引擎。@tobias_k这与我的想法不完全相同，尽管类似。我想问是否可以编写一个ser不同人工智能（如智能计算机、复仇计算机、扩展计算机、哑计算机等）的ies，而不将它们集成到源代码中，而是将它们保存在文件（如.txt）中如果可能的话，这样做的开销是多少。对于不同的难度级别，你可以简单地让AI有点马虎，例如，探索搜索树的深度是多少？关于文本文件，我仍然认为GGP是相关的，你可能可以使用现有的GGP引擎，并将游戏规则反馈给它这是一个文本文件或类似文件。请注意，coursera很快就要开始了！感谢您的输入（以及coursera链接）。我必须更深入地研究整个主题。我的具体问题在某种程度上局限于我自己的程序中，我试图简化问题。“作为一项规则，您将为此目的实施的AI类型是基于启发式的广度优先或深度优先搜索。"。对于非常有限的设置来说，这是绝对正确的，对于许多其他类型的游戏来说，这是完全错误的。那么机会呢？隐藏元素呢？我同意，你的评论是有用的，而且做得很好，尽管“非常有限”可能是玩得过火。op在这两款游戏中，机会的主要来源当然是骰子，但在这两种情况下，都是不同的在一定程度上，搜索策略仍然是有效的。对于风险而言，掷骰子是一种影响对某一领土进行攻击的结果概率的偏差，但这只是统计数据，军队规模也是一个因素，因此启发式算法可以根据概率计算分数，事实上掷骰子与决策过程基本无关s、 由于op不是问人工智能技术，而是问人工智能的模块化实现，集成与否，我的回答可能过分强调了搜索技术是一条发展之路。它引入了一个重要的场景，即大量CPU使用，这可能与此相关，也可能与此无关，因为它可能不仅与此相关，而且与cr相关关于OP问的选择的执行，我认为这很重要。不过，我会把答案稍加修改，以考虑到你的评论。公平地说，这个问题根本不考虑CPU的性能，主要是因为它不是一个问题。例如，当前的象棋引擎在几秒钟内计算出最好的移动。我正在开发的游戏没有我想象的那么多选择