游戏 AI / 系统课时

距离该不该加入仇恨评分

距离该不该加入仇恨评分

距离确实会影响“该打谁”,但直接把距离当成仇恨主分数,往往会让 AI 永远追最近目标。本节比较三种常见做法:把距离作为评分项、作为修正项,或作为独立门槛,并给出更容易调试的组合方式。

学习目标

  • 区分距离作为评分项、修正项和门槛时的行为差异。
  • 设计不会让距离压过伤害、任务优先级等核心因素的评分规则。
  • 能通过简单样例判断目标切换是否稳定。

三种做法的本质区别

如果把距离直接并入总分,例如“越近分越高”,距离会与伤害、治疗、嘲讽等因素竞争;如果把距离作为修正项,它只对已有仇恨进行轻度放大或衰减;如果把距离作为独立门槛,它只决定“是否允许参与比较”,而不改变候选目标之间原本的仇恨排序。

距离参与仇恨决策的三种方式对比

这三种方式没有绝对对错,但承担的职责不同。设计时先问一个问题:距离是在表达威胁程度,还是只在表达可行动性? 如果答案更接近“能不能打到、值不值得追”,通常不应把它做成主要仇恨来源。

把距离当评分项最容易绑死目标

最直接的写法是:

Ttotal=Tdamage+Ttaunt+TdistanceT_{total} = T_{damage} + T_{taunt} + T_{distance}

例如把 0 米到 20 米映射成 100 到 0 的距离分。此时一个完全没攻击过 NPC、但站得很近的目标,也可能因为距离分过高而压过远处真正造成大量伤害的目标。

假设 A 距离 2 米、伤害仇恨 40;B 距离 15 米、伤害仇恨 100。若距离分分别为 90 和 25,则 A 总分 130,B 总分 125,AI 会选择 A。这个结果只有在“近身威胁本身就非常重要”的玩法里才合理。

距离评分项更适合近战生物、区域守卫等明确强调空间压力的单位,而且应设置较小权重或封顶值,避免距离成为决定性因素。

把距离作为修正项更容易保留原始意图

更常见的做法是先计算业务意义更强的基础仇恨,再让距离只产生有限修正:

Tfinal=Tbase×MdT_{final} = T_{base} \times M_d

其中 MdM_d 可以被限制在 0.8 到 1.2,而不是从 0 变化到数倍。这样近处目标获得小幅优势,远处目标受到轻微惩罚,但高伤害或嘲讽仍能保持主导地位。

例如 A 的基础仇恨是 80,距离修正为 1.2,最终 96;B 的基础仇恨是 120,距离修正为 0.9,最终 108。B 仍然胜出,说明距离只影响边缘选择,没有重写原本的威胁关系。

把距离当门槛适合处理可行动性

有些距离问题根本不该进入仇恨数学模型。例如目标已经离开警戒范围、路径不可达,或者追击超过最大容忍距离。这些更适合先做候选资格判断,再对剩余目标进行评分。

一种清晰的处理顺序是:

  1. 目标是否有效并仍存在。
  2. 是否在最大追击范围内。
  3. 是否可达,或是否允许远程攻击。
  4. 通过后再比较伤害、治疗、嘲讽等仇恨。

这样距离只负责回答“能不能继续参与竞争”,不会让一个仅仅站得更近的低威胁目标覆盖高威胁目标。

推荐采用门槛加轻度修正

在多数战斗 AI 中,最容易解释和调试的组合是“距离门槛 + 小幅距离修正”。先用门槛排除不可行动目标,再让剩余候选在基础仇恨接近时体现距离偏好。

可以使用如下模型:

Tfinal={Tbase×Md,d≤dmaxinvalid,d>dmaxT_{final} = \begin{cases} T_{base} \times M_d, & d \le d_{max} \\ \text{invalid}, & d > d_{max} \end{cases}

其中 MdM_d 只在一个窄区间变化。这样既不会无限追远处高仇恨目标,也不会因为近距离出现一个低价值单位就立即改换目标。

为了避免来回切换,还应给目标切换增加最小优势条件。例如当前目标得分为 100,新目标只有达到 120 才允许切换。距离修正因此更适合影响“接近临界线的候选”,而不是单独触发频繁换目标。

用同一组候选检查模型是否失控

可以固定两名候选做回归测试:

候选 距离 基础仇恨 距离修正 最终仇恨
A 3 m 80 1.15 92
B 14 m 120 0.90 108

如果模型最终仍选择 B,说明距离只是偏好;如果 A 因距离直接获得巨大分数并长期压制 B,说明距离已经变成主导项。对于大多数需要“仇恨可解释”的系统,距离更适合决定候选资格,并在资格通过后提供有限修正,而不是承担主要威胁来源。

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

距离该不该加入仇恨评分

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