액션 중심 AI : 회피 알고리즘에 많은 시간이 걸린다

회피 과정 인 회피는 쫓는 것과 반대입니다. 대상까지의 거리를 줄이려고 노력하는 대신 목표를 최대화하려고합니다.

여러 물체를 동시에 피하면서 시간이 많이 걸립니다. 여기에 BFS를 사용합니다. 어떤 알고리즘을 더 빨리 사용해야합니까?

Steering Behaviors 를 사용하여 이러한 유형의 동작을 시뮬레이션 하는 것이 좋습니다 . 이런 식으로 구현 된 회피 행동의 예는 이 페이지 를 참조하십시오 .

기본 아이디어는 먹이와 포식자의 위치 및 속도 벡터와 같은 간단한 속성 만 고려하여 이러한 속성의 원하는 변화를 선형 시간으로 계산하는 것입니다. 결과적으로 반응하지만 사실적인 동작이 발생합니다.

그러나 이는 길 찾기에서와 같이보다 높은 수준의 목표 (예 : 파워 업 위치) 또는 정적 장애물의 위치와 같은 다른 요소를 고려하지 않으면 서 발생합니다. Steering Behaviors 접근법을 잠재적 필드 ( 실시간 전략 게임 시나리오에서 잠재적 필드 사용 (자습서) 참조 ) 또는 경로 찾기 (예 : 복도 맵 방법 ) 와 결합하여이를 고려할 수 있습니다 . 후자의 경우 업데이트 빈도를 낮추고 (이로 인해 발생할 수있는 오류를 보상하기 위해 조향 동작을 신뢰 함) 부분 재 계획을 수행하고보다 계층적인 접근 방식 (예 : 거의 최적의 계층 적 경로 찾기)과 결합 (HPA *) .

보다 구체적인 답변을 원하면 문제에 대한 자세한 내용으로 질문을 개선하십시오. 예를 들어, 게임의 내용과 우리가 말하는 NPC의 수를 설명하십시오.