Language agnostic 我应该如何开始为炮兵作战游戏设计AI算法？

这是背景。。。在我的空闲时间，我正在设计一个名为Staker的炮兵作战游戏（灵感来源于旧的基本游戏和），我正在用MATLAB编程。你的第一个想法可能是“为什么是MATLAB？有很多其他语言/软件包更适合游戏设计。”你是对的。然而，我是一个呆子，我有兴趣学习如何从头开始设计游戏的细节，所以我不一定要使用预制模块。另外，我已经使用MATLAB多年了，我喜欢用MATLAB做其他人没有真正尝试过的事情

现在来看看眼前的问题：我想加入人工智能，这样玩家就可以对抗电脑了。我刚刚开始考虑如何设计算法，选择方位角、仰角和射弹速度来击中目标，然后每转一圈进行调整。我觉得也许我一开始就想把问题想得太多了，想把人工智能弄得太复杂了，所以我想我应该停下来问问这里的社区，他们会如何设计算法

一些具体问题：

有没有关于人工智能设计的具体参考资料，你会建议我去查阅

您是否会设计AI玩家以连续的方式改变难度（难度从0（容易）到1（困难），仍然使用相同的通用算法），或者您是否会为离散数量的AI玩家设计特定的算法（就像一个容易的敌人向任意方向开火，或者一个能够解释风的影响的硬敌人）

你会从哪种数学算法（伪代码描述）开始

---

一些附加信息：我用来模拟弹丸运动的模型包含流体阻力和风的影响。“流体”可以是空气或水。在空气中，空气密度（以及阻力的影响）根据一些简单的大气模型，随着离地高度的变化而变化。在水中，阻力非常大，弹丸通常需要额外的推力。换句话说，弹丸可能会受到重力以外的力的影响。

在真实的炮兵情况下，所有这些因素都可以通过公式或简单的公式来处理蛮力模拟：发射一个电子炮弹，施加所有相关的力，看看它落在哪里。调整并重试，直到电子炮弹击中目标。现在你有你的号码发送给枪

考虑到情况的复杂性，我怀疑没有比蛮力更好的答案了。虽然你可以预先计算出预期阻力效应与速度的关系表，但我认为这是不值得的

当然，AI每次向你头上扔第一颗炮弹的游戏并不有趣。一旦你知道了正确的值，你就必须让AI成为一个糟糕的射击。对射击应用随机因子，然后朝目标走去——每次射击时，将它朝着真正的目标移动30+随机（140%）

编辑：

---

我确实同意BCS关于随着时间的推移而改进它的想法。我说过了，但后来改变了主意，决定如何写一堆，结果忘了把它放回去。它应该越硬，随机分量就应该越小。

洛伦的蛮力解决方案很有吸引力，因为它允许简单的操作通过增加更多的迭代来进行“智能调整”。此外，迭代的调整因子可能是智能的一部分，因为某些值会使其更快收敛

---

此外，对于基本系统（无阻力、风等），有一个封闭形式的解决方案，可以从基本物理文本中导出。我会首先猜测，然后每转一圈进行一次或多次迭代。您可能希望尝试提出一个经验校正相关性，以改进第一次射击（这将使首次射击分布的平均值更接近正确）

谢谢Loren和BCS，我想你已经想到了我正在考虑的一个想法（这引发了上面的问题2）。AIs回合的伪代码如下所示：

nSims;        % A variable storing the numbers of projectile simulations
              %    done per turn for the AI (i.e. difficulty)
prevParams;   % A variable storing the previous shot parameters
prevResults;  % A variable storing some measure of accuracy of the last shot
newParams = get_new_guess(prevParams,prevResults);
loop for nSims times,
  newResults = simulate_projectile_flight(newParams);
  newParams = get_new_guess(newParams,newResults);
end
fire_projectile(newParams);

在这种情况下，变量nSims本质上是人工智能的“智能”度量。“哑”人工智能的nSims=0，只需在每个回合（基于前一回合的结果）进行新的猜测。“智能”人工智能将通过模拟射弹飞行来优化其每回合的猜测nSims次数

这又引出了两个问题：

1） “get_new_guess”功能有什么功能？我应该如何调整三个放炮参数以最小化到目标的距离？例如，如果一个放炮距离目标不远，您可以尝试通过仅调整仰角、仅调整射弹速度或同时调整这两个参数来使其更近

---

2） 所有AI的get_new_guess是否应相同，nSims值是“intelligence”的唯一决定因素？或者get_new_guess是否应取决于另一个“intelligence”参数（如GuessAccurance）炮兵游戏和真实炮兵情况的区别在于，各方都有100%的信息，通常有两个以上的对手

因此，你的评估功能应该考虑哪一个对手更紧迫的尝试和消除。例如，如果我在90%的时候有一个简单的杀戮，但是在试图杀死我的人身上，只有50%的几率在我身边错过了两个射门，那么处理这个机会就更重要了。

---

我认为您需要某种方法来评估每个人在弹药、地点、活动、过去历史等方面对您造成的风险。

我现在针对您发布的回复：

虽然你有一个大致的想法，但我不相信你的方法是可行的——即使nSims的值很低，它也会收敛得太快。我怀疑你想要的get\n迭代不止一次