游戏 AI / 系统课时
NPC 权重怎么表达设计意图
NPC 权重怎么表达设计意图
完成归一化后,每个决策因素都已经落在相近范围,但 NPC 仍需要知道哪些因素更重要。权重就是把“更重视威胁”“更偏爱近距离”这类设计意图写进评分模型,并让一次参数调整能够直接解释目标排序为什么发生变化。
学习目标
- 用权重表达不同决策因素的相对重要程度
- 根据候选目标的分项贡献解释最终排序
- 识别权重过大、重复计权和用权重补偿错误归一化的问题
权重控制的是影响力
假设三个输入都已经归一化到 0~1,并统一为“越大越值得选择”。一个简单评分可以写成:
其中 threat、distance 和 lowHealth 是归一化后的评分,w_t、w_d、w_h 是对应权重。
如果设置威胁 0.6、距离 0.3、残血倾向 0.1,就等于明确告诉系统:威胁是主要依据,距离具有明显影响,生命状态只负责轻微修正。
权重之和并非数学上必须等于 1,但让它们合计为 1 通常更容易阅读、比较和调参。
看分项贡献而不是只看总分
考虑两个候选目标:A 的威胁评分为 0.9、距离评分为 0.3、残血评分为 0.2;B 分别为 0.5、0.8、0.7。
使用 0.6 / 0.3 / 0.1 的权重后:
| 候选 | 威胁贡献 | 距离贡献 | 残血贡献 | 总分 |
|---|---|---|---|---|
| A | 0.54 | 0.09 | 0.02 | 0.65 |
| B | 0.30 | 0.24 | 0.07 | 0.61 |
A 最终胜出,不是因为它每个维度都更好,而是高威胁带来的 0.54 分贡献足以覆盖距离和生命状态上的劣势。调试 NPC 时记录这种贡献明细,比只打印 score=0.65 更容易定位设计问题。

改一个权重观察排序是否符合预期
如果设计目标变成“NPC 更容易攻击已经贴近自己的目标”,可以把权重调整为威胁 0.35、距离 0.55、残血 0.10。
此时 A 的总分为:
B 的总分为:
排序从 A 优先变成 B 优先。这个变化能够直接解释为“距离的重要程度超过了威胁”,而不是一个无法追踪的随机切换。
权重不能修复错误的输入模型
如果威胁值没有归一化,范围是 0~5000,而距离评分只有 0~1,那么即使把威胁权重调到 0.01,它仍可能长期支配结果。此时继续压低权重只是补丁,真正的问题仍是输入尺度不一致。
还要避免同一个意图被重复计权。例如“距离近”已经生成一个高分,如果另一个“攻击可达性”因子又几乎完全由距离决定,两项同时高权重就会让距离实际影响力远大于配置表面显示的数字。
用极端场景验证设计意图
权重确定后,不要只观察普通战斗。至少准备几组极端候选:高威胁但很远、低威胁但贴脸、残血但威胁一般,以及所有因素非常接近的情况。只要能够提前说出“这一组按设计应该选谁”,再让评分模型给出相同排序,权重才算真正表达了设计意图。
最终评分不是为了找到一组看起来漂亮的数字,而是把设计规则变成可检查的贡献关系:输入为什么得分、哪个因素贡献最大、调整哪个权重会怎样改变排序,都应该能够从评分明细中直接回答。