一个简单的游戏的具体环境如下:
         1.一个足球场(FootBallPitch)
         2.一个足球     FootBall
         3.二个球门     Goal
         4.二个球队     FootBallTeam
         5.场上12名足球队员（每队6名，期中5名为球员2名后卫3名前锋，还有1名守门员）
         6.球员             FootBaller    守门员  GoalKeeper
  
     然后只要理清上面的描述然后把具体的实现封装到每个类中，就实现了1个简单的足球仿真模拟，实现上面的功能代码还是简单，但是如何组织强大攻击性强大，防御性强的AI还是挺复杂的。
    
       下面将给出具体ＵＭＬ实现类图：   
       
          
         由于是基于智能体的足球ＡＩ所以还是借鉴了ＦＳＭ模型，我们可以把每个Player处于不同的状态进行不同的操作，具体把操作类型和事件处理都放在具体的状态中。
         基于球场上运球的FootBaller有下列状态ChaseBall 追球状态，Dribble运球  Gohome 归位   KickBall 踢球  ReceviveBall传球 
         基于守门员GoalKeeper有InterceptBall 拦截  PutBallBackInPlay发球.
  
        这里为了区分队员是前锋还是后卫，我们给队员增加一个行为Behaviors，让其根据自己的行为做相应的事情.。

        其中所有的图像处理都是用的GDI的绘制，程序采用的Win32编写方式。

       上面的设计基本是现在程序的设计方案和流程图。

        后期完善部分：
        1.引入基于事件响应，FootBaller 可以通知同队FootBaller 的接收响应的消息处理，比如A发现B的位置很好，A可以通知B我要传球到一个坐标点。
       2.加强防御和攻击AI。
       3.完成具体方案后，公布所有的方案设计和具体算法，后期引入脚本机制，通过外部编写脚本实现不同队伍AI模拟。       

          

问题肯定较多，希望多多指教。


最近一直在构思与写一套游戏AI系统，主要是通过状态机响应事件，更多是想运用自己学习到的一些优秀的算法，以及一些高级

的AI以此来锻炼对一些复杂的数据结构的编写和设计思维的提升。

算法和数据结构方面:
1.2D和3D寻路(主要包括2D寻路的初始化条件优化 ，3D的空间划分以及多叉树的划分，以及堆维护)。
2.带有更多思维的角色系统(附带更多的数据信息)判断。
3.查询线段树和树状数数组的运用。
4.一个线性的字符串过滤程序。
5.一个动态基于角色的最优二叉查找树的动态维护。(主要解决不同的角色AI触发频率建立一颗最优二叉查找树)
6.追踪算法以及游戏的群集算法都会整合到现在的AI系统中。

设计方面：
1.尽量让类之间耦合性更小，复杂度更低，浅显明确。

注：Ai系统写完会把代码和网络库的最新代码更新都会上传，希望大家多多指教。

        总之一句3D寻路费时又费空间！
       下面是我总结的优化       
       1.总体还是利用a*和堆维护。
       2.由于点是实心，可以直接进行对角线的行走，也就是对角线行走一步后x,y,z的坐标都会改变，从而降低通过2次二维变换的过程。二步变一步！
       3.利用凸包的方式来优化。

       4.把一个场景的3D地图全部细分，利用多叉树进行管理。

       关于凸包的优化可以通过这样一个例子说明(因为在2D中更好的描述通过2维的地图)：
       A、假设1要到2的，通过A*的搜索，他会先到0然后发现不能通过在回溯，重新寻找新的路径，这样可能浪费一些搜索时间。
                
       B.   可以通过多边形的最小矩形凸包的方式，这样就可以减少不必要的搜索，如图所示。
                  
                     那么1到2就不会经过0点。。因为次区域设置为不可通过。

       C.   如果我们要查找的点在我们凸包内，所以我们在寻路最开始应该验证点是否在凸包内，如果在此区域内，在行走时不能过滤这个矩形空间。

      注：游戏中地图一般是不变的，所以这些都是不变，凸包已知，验证点在凸包中也是线性的。
     
     
      由于在计算3D的凸包的时候计算量大，最开始采用静态的方式来记录数据。

      简单的3D寻路算法源码(不包含凸包优化)：

 1if( m_pAtta.x < m_pPrey.x )
 2    m_pAtta.x ++;
 3else if( m_pAtta.x > m_pPrey.x )
 4    m_pAtta.x --;
 5
 6
 7if( m_pAtta.y < m_pPrey.y )
 8    m_pAtta.y ++;
 9else if( m_pAtta.y > m_pPrey.y )
10    m_pAtta.y --;

 
2.视线追踪
      视线追踪方式，主要是描述每一时刻都追踪者会沿着被追逐者之间的直线方向运动。如图所示：
                    
     通过图可以更好描述此问题，此问题的求解关键在于求出连接追踪者与猎物之间的直线，可以通过向量知道：2个向量想减即可得到。
     可以分别用追踪者与猎物的位置坐标构造出两个向量,假设b 代表追踪者位置向量,a 代表猎物位置向量。做向量减法a-b 便得到了向量c，将c 的起点置于追踪者的位置上,就得到了一条指向猎物的向量c. 此时，令：

     追踪者X 方向速度 / 追踪者Y 方向速度    ＝     c 向量x 轴分量/   c 向量y 轴分量 .即可求解。

3.拦截追踪
      所谓拦截追踪，如果考虑的是被追逐的目标太远，如果2者速度一样，或者相差不大，有可能很难追上，玩过实况足球的都知道，如果采用上面的2中追逐方式，可能错过最佳的防守位置。下面是拦截追踪的一个示例图:

   
    对于追踪者来说，他只需要知道被追踪者的位置，方向与速度，讲会计算一个最佳的拦截位置。然后你会发现这只是一个简单的追踪问题。且需要的时间t最少。


整个3种追踪的源码代码 以及 demo都共享：
/Files/expter/chase.rar

下一篇通过实例demo来记录学习的聚类算法：