游戏 AI / 系统课时
NPC 得分相同时怎么打破平局
NPC 得分相同时怎么打破平局
两个候选得到相同或几乎相同的评分时,如果直接采用容器当前顺序,目标结果可能随着哈希遍历、感知事件到达顺序或数组重建而变化。本节建立一条确定性的平局规则,让相同输入始终得到相同目标,并避免微小浮点误差造成无意义切换。
学习目标
- 识别候选顺序导致目标随机变化的原因
- 设计具有固定优先级的稳定平局规则
- 正确处理浮点评分接近但不完全相等的情况
不要把候选原始顺序当规则
假设 A 和 B 的最终分数都是 80。第一次感知结果是 [A, B],程序选择第一个 A;下一次因为事件顺序变化得到 [B, A],如果仍然选择第一个,NPC 就会切到 B。
这里没有任何游戏规则发生变化,变化的只是数据排列顺序。这样的目标切换很难复现,也会让玩家感觉 NPC 行为随机。
平局处理因此必须使用业务上稳定、可重复计算的字段。一种实用顺序是:先比较规范化后的评分;同分时优先保持当前有效目标;仍然相同时比较最近确认时间;再比较距离;最后使用稳定 ID 兜底。

先定义固定的比较优先级
平局字段的先后顺序必须是规则的一部分,而不是临时拼出来。对于普通战斗目标,可以采用下面的优先级:
- 规范化后的评分更高者优先。
- 评分相同时,当前仍有效的目标优先,避免无意义切换。
- 都不是当前目标时,最近确认过的目标优先。
- 仍然相同时,距离更近者优先。
- 所有业务字段都相同时,按稳定 ID 排序。
最后的稳定 ID 很重要。即使前面所有字段完全一致,系统仍需要一个确定结果。这里应使用在候选生命周期内稳定的 entityId、生成序号或其他固定键,不能使用数组下标,也不应每次评估时临时生成随机数。
浮点分数先量化再比较
评分模型包含归一化、乘法和权重时,很容易得到 80.000001 与 79.999999 这样的结果。如果把它们当成完全不同的分数,微小计算误差也可能改变目标。
一个常见做法是先把分数转换成固定精度的整数键。例如业务只关心两位小数,就计算:
这样 80.001、80.003 和 80.004 都会得到相同的评分键 8000,随后进入真正的平局规则。
相比直接在排序比较器里反复判断 abs(a - b) < epsilon,先量化更容易保证比较关系一致。排序比较器必须能够稳定回答任意两个候选谁在前面,否则复杂候选集合中可能出现难以理解的顺序。
实现一个确定性的比较器
下面示例先把评分保留到两位小数对应的整数键,再依次比较当前目标、最近确认时间、距离和稳定 ID。即使输入数组顺序改变,排序结果也不会改变。
function scoreKey(score) {
// 业务只关心两位小数,先量化以吸收更小的浮点噪声。
return Math.round(score * 100);
}
function compareCandidates(a, b) {
const scoreDiff = scoreKey(b.score) - scoreKey(a.score);
if (scoreDiff !== 0) return scoreDiff;
if (a.isCurrent !== b.isCurrent) {
return a.isCurrent ? -1 : 1;
}
if (a.lastConfirmedAt !== b.lastConfirmedAt) {
return b.lastConfirmedAt - a.lastConfirmedAt;
}
if (a.distance !== b.distance) {
return a.distance - b.distance;
}
return a.id.localeCompare(b.id);
}
const candidates = [
{ id: "npc-b", score: 80.004, isCurrent: false, lastConfirmedAt: 1100, distance: 7 },
{ id: "npc-a", score: 80.001, isCurrent: true, lastConfirmedAt: 900, distance: 10 },
{ id: "npc-c", score: 80.003, isCurrent: false, lastConfirmedAt: 1200, distance: 5 }
];
const ranked = [...candidates].sort(compareCandidates);
console.log(ranked.map(candidate => candidate.id).join(" > "));预期输出:
npc-a > npc-c > npc-b三个候选量化后的评分键都是 8000。npc-a 因为是当前有效目标而优先;剩余两个候选中,npc-c 的最近确认时间更新,因此排在 npc-b 前面。
稳定不等于永远不换
平局规则的目标是消除没有业务意义的随机性,而不是让 NPC 永远黏住旧目标。当新候选的评分键真正高于当前目标时,比较器仍然应该让高分候选排到前面;如果系统还有切换阈值,则再由切换逻辑决定是否立即提交新目标。
调试时可以记录候选的 scoreKey 和实际命中的第一个差异字段。例如日志显示两个候选评分键相同,最终因为 isCurrent 选中 A,那么这次决策就能被完整解释。如果最终只能依赖 id 决胜,也属于正常情况,因为它至少保证所有机器和所有重复运行得到一致结果。
只要平局比较使用固定字段、固定优先级和稳定兜底键,候选集合即使来自无序容器或异步感知事件,也不会因为排列顺序变化而随机换目标。