游戏 AI / 系统课时

为百名 NPC 控制行为开销

为百名 NPC 控制行为开销

当场景里同时存在上百名 NPC,真正拖慢帧率的通常不是某一个行为树节点,而是感知扫描、路径请求和高频 Tick 叠加后的总成本。本节建立一套按距离与重要性分级的更新策略,让 NPC 数量增长时仍能控制预算。

学习目标

  • 找出大规模 NPC 中最容易放大的三类成本
  • 用分级更新降低感知、路径与行为树 Tick 频率
  • 为性能策略设置可验证的预算和退化边界

先拆出会随 NPC 数量放大的成本

百名 NPC 的性能问题要先按来源拆开。行为树 Tick 往往只是入口,真正昂贵的工作通常在节点触发的外部系统中。

感知查询会随着检测频率和候选目标数量增加;寻路请求通常比普通条件判断昂贵得多;行为树 Tick 过密则会重复执行大量“结果没有变化”的检查。优化重点因此不是让所有节点都更快,而是减少不必要的执行次数。

百名NPC的行为开销由感知、路径请求和行为树Tick共同组成

可以先给每类工作设一个简单预算:

工作 近距离 NPC 中距离 NPC 远距离 NPC
行为树 Tick 高频 中频 低频或休眠
感知扫描 高频小范围 中频 低频
寻路 按需请求 按需且限频 尽量不请求

这里的“高频”不等于每帧。具体间隔应该通过 Profile 数据决定,而不是写死成所有 NPC 共用一个值。

用分级调度避免所有 NPC 同帧更新

下面的 Java 示例模拟三档更新间隔,并通过 npcId 做相位错开。这样即使多个 NPC 使用相同频率,也不会在同一帧一起触发。

java
public class NpcBudgetSchedulerDemo {
    enum Tier {
        NEAR(1),
        MID(3),
        FAR(10);

        final int tickIntervalFrames;

        Tier(int tickIntervalFrames) {
            this.tickIntervalFrames = tickIntervalFrames;
        }
    }

    static boolean shouldTick(int npcId, int frame, Tier tier) {
        // 用稳定偏移把相同频率的NPC分散到不同帧。
        int offset = Math.floorMod(npcId, tier.tickIntervalFrames);
        return frame % tier.tickIntervalFrames == offset;
    }

    public static void main(String[] args) {
        int frame = 20;

        System.out.println("near-100=" + shouldTick(100, frame, Tier.NEAR));
        System.out.println("mid-101=" + shouldTick(101, frame, Tier.MID));
        System.out.println("far-102=" + shouldTick(102, frame, Tier.FAR));
    }
}

预期输出:

text
near-100=true
mid-101=true
far-102=false

这个示例只负责“是否进入本次行为更新”。实际项目中可以在一次调度里进一步决定:是否刷新感知、是否允许发起新路径请求,以及是否只更新最低成本的黑板数据。

感知和寻路要单独限频

感知不应由每个 Action 节点各自做世界查询。更稳妥的方式是由 Service 或感知系统统一更新黑板,并给不同信息设置不同频率。例如攻击距离可以较高频刷新,而环境扫描可以明显降低频率。

寻路则要避免“目标位置轻微变化就重新算路径”。常用保护包括:目标位移超过阈值才重算、同一 NPC 设置最短重算间隔、已有请求未完成时不重复提交,以及把同帧路径请求限制在固定数量内。

给远距离 NPC 明确退化策略

性能预算不足时,不要让所有 NPC 同比例变慢。玩家附近的敌人对响应延迟敏感,而远处 NPC 通常可以退化为低频决策、简化感知甚至暂停完整行为树,只保留必要的移动或状态同步。

合理的优先级通常是:先保证近距离战斗 NPC,再保证屏幕内或即将进入交互范围的 NPC,最后处理远距离实体。这样即使总数量继续增长,也能把预算花在玩家真正能感知到的行为上。

用数据验证而不是凭感觉调参数

最终至少记录四个指标:每帧实际 Tick 的 NPC 数、感知查询次数、路径请求次数,以及 AI 更新耗时。优化前后使用相同场景和相同 NPC 数量比较,才能判断是哪一项真正下降。

如果百名 NPC 出现周期性尖峰,优先检查是否存在同帧批量 Tick、批量感知或批量重算路径。稳定的大规模 AI 不是让每个 NPC 都保持最高更新频率,而是让不同重要性的 NPC 在可控预算内获得足够的决策精度。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

为百名 NPC 控制行为开销

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通