原文：http://www.aisharing.com/archives/90
行爲樹（Behavior Tree）實踐（1）– 基本概念
自從開博以來，每天都會關心一下博客的訪問情況，看到一些朋友的訂閱或者訪問，不勝欣喜，也促使我去寫一些更好的博文，來和大家分享和交流，從訪問統計來看，有相當一部分是來自於搜索引擎的流量，關鍵字以“行爲樹”，或者“Behavior Tree”居首位，我想大家對此可能有些興趣，加上，這幾年反反覆覆一直在AI中研究和運用行爲樹，所以這次就來談談關於行爲樹（Behavior Tree）的一些東西，以前也寫過一些文章（1，2，3）來討論行爲樹，不過已經是一兩年前的事情了，較之以前，這次會更爲系統，也會添加一些我新的思考和感悟。所謂行爲樹實踐，其實在我腦海裏就是Practice in Behavior Tree，沒法子，受英文教材影響太多了:)
我想通過一個例子來介紹一下行爲樹的基本概念，會比較容易理解，看下圖：
這是我們爲一個士兵定義的一顆行爲樹（可以先不管這些綠圈和紅圈是幹嗎的），首先，可以看到這是一個樹形結構的圖，有根節點，有分支，而且子節點個數可以任意，然後有三個分支，分別是巡邏（Patrol），攻擊（Attack），逃跑（Retreat），這個三個分支可以看成是我們爲這個士兵定義的三個大的行爲（Behavior），當然，如果有更多的行爲，我們可以繼續在根節點中添加新的分支。當我們要決策當前這個士兵要做什麼樣的行爲的時候，我們就會自頂向下的，通過一些條件來搜索這顆樹，最終確定需要做的行爲（葉節點），並且執行它，這就是行爲樹的基本原理。
值得注意的是，我們標識的三大行爲其實並不是真正的決策的結果，它只是一個類型，來幫助我們瞭解這個分支的一些行爲是屬於這類的，真正的行爲樹的行爲都是在葉節點上，一般稱之爲行爲節點（Action Node），如下圖紅圈表示的
這些葉節點纔是我們真正通過行爲樹決策出來的結果，如果用我以前提到的那個層次化的AI結構來描述的話，這些行爲結果，相當於就是一個個定義好的“請求”（Request），比如移動（Move），無所事事（Idle），射擊（Shoot）等等。所以行爲樹是一種決策樹，來幫助我們搜尋到我們想要的某個行爲。
行爲節點是遊戲相關的，因不同的遊戲，我們需要定義不同的行爲節點，但對於某個遊戲來說，在行爲樹上行爲節點是可以複用的，比如移動，在巡邏的分支上，需要用到，在逃跑分支上，也會用到，這種情況下，我們就可以複用這個節點。行爲節點一般分爲兩種運行狀態：
- 運行中（Executing）：該行爲還在處理中
- 完成（Completed）：該行爲處理完成，成功或者失敗
除了行爲節點，其餘一般稱之爲控制節點（Control Node），用樹的“學名”的話，就是那些父節點，如下圖綠圈表示
控制節點其實是行爲樹的精髓所在，我們要搜索一個行爲，如何搜索？其實就是通過這些控制節點來定義的，從控制節點上，我們就可以看出整個行爲樹的邏輯走向，所以，行爲樹的特點之一就是其邏輯的可見性。
我們可以爲行爲樹定義各種各樣的控制節點（這也是行爲樹有意思的地方之一），一般來說，常用的控制節點有以下三種
- 選擇（Selector）：選擇其子節點的某一個執行
- 序列（Sequence）：將其所有子節點依次執行，也就是說當前一個返回“完成”狀態後，再運行先一個子節點
- 並行（Parallel）：將其所有子節點都運行一遍
用圖來表示的話，就是這樣，依次爲選擇，序列和並行
可以看到，控制節點其實就是“控制”其子節點（子節點可以是葉節點，也可以是控制節點，所謂“執行控制節點”，就是執行其定義的控制邏輯）如何被執行，所以，我們可以擴展出很多其他的控制節點，比如循環（Loop）等，與行爲節點不同的是，控制節點是與遊戲無關的，因爲他只負責行爲樹邏輯的控制，而不牽涉到任何的遊戲代碼。如果是作爲一個行爲樹的庫的話，其中就一定會包含定義好的控制節點庫。
如果我們繼續考察選擇節點，會產生一個問題，如何從子節點中選擇呢？選擇的依據是什麼呢？這裏就要引入另一個概念，一般稱之爲前提（Precondition），每一個節點，不管是行爲節點還是控制節點，都會包含一個前提的部分，如下圖
前提就提供了“選擇”的依據，它包含了進入，或者說選擇這個節點的條件，當我們用到選擇節點的時候，它就是去依次測試每一個子節點的前提，如果滿足，則選擇此節點。由於我們最終返回的是某個行爲節點（葉節點），所以，當前行爲的“總”前提就可以看成是：
當前行爲節點的前提 And 父節點的前提 And 父節點的父節點的前提 And….And 根節點的前提（一般是不設，直接返回True）
行爲樹就是通過行爲節點，控制節點，以及每個節點上的前提，把整個AI的決策邏輯描述了出來，對於每次的Tick，可以用如下的流程來描述：
action = root.FindNextAction(input);
if action is not empty then
action.Execute(request, input) //request是輸出的請求
else
print “no action is available”
從概念上來說，行爲樹還是比較簡單的，但對AI程序員來說，卻是充滿了吸引力，它的一些特性，比如可視化的決策邏輯，可複用的控制節點，邏輯和實現的低耦合等，較之傳統的狀態機，都是可以大大幫助我們迅速而便捷的組織我們的行爲決策。希望這次簡單的介紹，對大家有所幫助，能力有限，不一定能表述的很清楚，有問題，或者有指教的，都請和我多多交流，最後，我對這個士兵的巡邏分支畫了一個示意圖，供大家參考：
S — 選擇節點 Se — 序列節點
