Utility AI决策：游戏NPC行为评分机制

可视化演示

展示观察者设计模式的核心机制：主题状态变更时自动通知所有注册的观察者，实现松耦合的事件驱动通信。

基础概念：给每个念头打分

你被闹钟吵醒的瞬间，心里其实在开一场“小型招标会”：再睡十分钟、看手机、洗漱、跑步……每个候选行动都是一份标书，你的大脑根据“现在还困不困”“今天有没有急事”“昨晚睡得好不好”给每份标书打分，最终采用分数最高的那份。游戏里的 NPC 没有大脑，但程序员可以为它搭建同样一套“招标会”。

Utility AI 把 NPC 的每个候选行为看作一份标书，行为得分称为“效用值”（Utility）。效用值不是随手拍的，而是由多个考虑因素加权累加得到的。比如“攻击”这个行为，要考虑敌人的距离、自己的血量、手里的弹药量；距离越近、血量越健康、弹药越充足，“攻击”的效用值就越高。这和评估“再睡十分钟”时综合考虑“被窝舒适度”和“迟到风险”是同一个逻辑。

每个候选行为的效用值用下面的公式计算：

回到起床场景：你之所以在赶飞机那天果断放弃赖床，正是因为“迟到风险”被赋予了极高权重。权重不是固定不变的，它会随情境动态调整——这正是下一节要讲的效用函数。

效用函数：需求曲线怎么画

想象你饿着肚子走进自助餐厅，面前摆着一碗红烧肉。第一口下去幸福感爆棚，第二口还不错，吃到第十口你已经只想找点蔬菜解腻。同样一道菜，带来的满足感随着“已经吃了多少”迅速衰减。效用函数（Utility Function）干的就是这件事：把原始数值（距离、血量、饥饿度）映射成一个能反映这种“边际满足感”的分数。

在 Utility AI 里，我们通常不让效用值随输入线性上涨，而用一条“收益递减”的曲线。最常用的是：

回到自助餐厅的例子：第一盘肉让你满足感的边际增量最大，第二盘增量变小，到第十盘几乎为零。$v(x)=x/(x+k)$ 正是这种“先陡后平”的感受曲线。NPC 的攻击欲望也是这样：敌人从 20 格移到 10 格时战斗欲望涨幅明显，但从 3 格移到 1 格时涨幅就很小了——因为已经够近了，再近也差不多。

考虑因素：哪些信息影响评分

你点外卖时会看哪些信息？距离（太远送达慢）、满减优惠、店铺评分、是否有想吃的菜品。这些信息共同决定你最终选哪家店。NPC 也一样，它的每个考虑因素（Consideration）都来自游戏状态，比如敌人距离、自身血量、弹药余量和技能冷却。

每个考虑因素都需要“归一化”，把不同量纲的数值统一映射到 0 到 1，否则“距离 100 米”和“血量 0.5”根本无法相加。以敌人距离为例，通常按如下公式计算距离分数：

点外卖时“评价 4.9 分”和“距离 5 公里”无法直接比较，必须换算成你心里的“值得程度”。归一化就是游戏世界的换算器，它让血量、距离、弹药这些单位完全不同的量，能放进同一个公式里公平比武。

决策流程：从评分到行动

自助餐厅里你最终夹起哪盘菜？答案是：把每道菜在心里过一遍总分，然后伸手去拿分数最高的那盘。Utility AI 的决策循环同样只有三步：列出候选行为、逐个计算效用值、选出最大值执行。每帧（或每 0.5 秒）重复一次，NPC 就能根据局势变化不断调整行动。

决策的数学表达非常简洁，就是求效用值最大的那个行为：

注意 $U(b)$ 和 $\arg\max$ 的区别：$U(b)$ 是“分数”，$\arg\max$ 是“拿最高分的那个人”。就像在自助餐厅里，你的重点是“端起哪盘菜”而不是“那盘菜打了多少分”。分数只是手段，行为才是结果。每帧重算一次，NPC 就能在敌人接近的瞬间从“巡逻”切换成“攻击”，完全不需要“if 距离小于 5 就攻击”这种硬编码。

权重调参：让角色表现更自然

同样是点外卖，你朋友把“优惠”权重调得极高，每单必凑满减；你看重“送达速度”，宁可少省三块钱也要 30 分钟内吃上。同一个加权公式，只要调整权重，角色就能走出完全不同的行为风格。权重调参（Weight Tuning）是 Utility AI 最有意思也最磨人的环节。

权重初值通常是人为拍定的，为了便于比较和调试，一般先做归一化，让所有权重加起来等于 1：

除了权重数值，还要调整效用函数的曲线常数 $k$。$k$ 越小曲线越陡，很小的输入变化就会触发行为切换，角色显得“神经质”；$k$ 越大曲线越钝，角色反应迟缓，显得“木讷”。调参没有银弹，最实用的方法是先让 NPC 跑起来，观察它在极端情况下的表现——比如残血时该不该依然莽撞攻击——再反向修正权重，直到角色的行为风格符合你的设计预期。

方案对比：与状态机行为树的取舍

传统游戏 AI 常用两种方案。有限状态机（FSM）像一张严格的课程表：早上 7 点起床、8 点上课、12 点吃饭，每个时间点做什么是写死的；行为树（Behavior Tree）像一张优先级清单：先检查“有没有着火”，再检查“要不要攻击”，逐条匹配第一条满足的条件就执行。而 Utility AI 像你面对自助餐厅时的临场发挥——不查表、不按固定顺序，直接给所有选项打分，选最高分。

从设计复杂度看，三种方案差别明显。状态机每增加一个状态，就要考虑它与所有已有状态之间的转移，最坏情况下需要设计的转移数量是状态数的平方；Utility AI 则只需要为每个行为准备一组考虑因素：

但“省设计量”不等于“更好用”。状态机的优势是确定性极强，测试员可以精确预测每一次切换；行为树的优势是逻辑直观，策划和美术也能看懂流程图。Utility AI 的优势在于连续性和丰富性：多个因素同时作用，行为会随数值涨落平滑变化，不会出现状态机那种“跨过某个阈值就瞬间变脸”的生硬感。选哪种方案，取决于游戏类型：格斗游戏的连招判定适合状态机，开放世界的 NPC 日常行为则更适合 Utility AI。

AI 应用场景

Python 演示

import math  class Consideration:    """单个考虑因素: 把原始数值映射为 0~1 分数"""     def __init__(self, name, curve_k, weight):        self.name = name        self.curve_k = curve_k        self.weight = weight     def score(self, raw_value):        return raw_value / (raw_value + self.curve_k)  class Behavior:    """一个候选行为: 多个考虑因素加权求和得到效用值"""     def __init__(self, name, considerations):        self.name = name        self.considerations = considerations     def utility(self, context):        total = 0.0        for cons in self.considerations:            total += cons.weight * cons.score(context[cons.name])        return total  class UtilityAI:    """决策器: 给所有行为打分并按分数降序排列"""     def __init__(self, behaviors):        self.behaviors = behaviors     def decide(self, context):        scored = [(b.name, b.utility(context)) for b in self.behaviors]        scored.sort(key=lambda item: item[1], reverse=True)        return scored  def main():    attack = Behavior("攻击", [        Consideration("敌人距离", 5.0, 0.6),        Consideration("弹药余量", 2.0, 0.4),    ])    flee = Behavior("逃跑", [        Consideration("失血比例", 1.0, 0.7),        Consideration("冷却可用", 0.5, 0.3),    ])    patrol = Behavior("巡逻", [        Consideration("安宁程度", 3.0, 0.5),        Consideration("路线长度", 4.0, 0.5),    ])     ai = UtilityAI([attack, flee, patrol])    context = {        "敌人距离": 8.0,        "弹药余量": 20.0,        "失血比例": 30.0,        "冷却可用": 1.0,        "安宁程度": 2.0,        "路线长度": 10.0,    }    ranked = ai.decide(context)    print("=== 决策结果 ===")    for name, score in ranked:        print("%s: %.3f" % (name, score))    print(">>> 最终执行: %s" % ranked[0][0])  if __name__ == "__main__":    main()

1. return raw_value / (raw_value + self.curve_k)收益递减响应曲线，把任意非负输入映射到 0~1
2. total += cons.weight * cons.score(context[cons.name])核心加权累加，把每个因素的分数乘以权重再累加
3. Consideration("敌人距离", 5.0, 0.6)定义一个考虑因素：名称、曲线常数 k、权重 w
4. scored.sort(key=lambda item: item[1], reverse=True)按效用值降序排列，方便观察各行为排名
5. ranked[0][0]取排名第一的行为名，即 NPC 最终执行的动作

常见误区

面试题