关于FPS游戏开发的一些个人理解（2）

关于源码的问题，本帖只简单介绍一些开发技巧和细节，之后lz会推出一系列视频教程，详细讲解该如何开发一款成熟，高效的射击游戏，欢迎大家加QQ群： 146025605 进行技术交流。

要开发一款完整的FPS游戏，除了射击算法以外，在联机游戏中我们需要给玩家提供服务器，在单机游戏中我们需要给玩家提供有趣的AI，这就需要用到我们的游戏服务端开发与游戏AI的开发，包括提前设定的硬编码AI与进行人类行为模拟的机器学习，而一款大游戏最重要一点就是优化，所以我们需要拥有一套完善的数据结构，还有一些可以给游戏本身大大加分的操作，诸如场景物体破坏，场景物理模拟等，都在我们本次讨论的范畴内。
开发使用的引擎版本为Unity 2017.3f3，本次版本更新提供了一些十分重要的物理系统的优化，可以让我们的游戏性能大大提升，所以我们选择发帖时最新版本为开发默认版本。

在理解了多线程的用处以后，接下来就是数据结构了，除了刚才提到的concurrent数据结构以外，我们常用的非线程安全的数据结构有LinkedList, Stack, List, Dictionary等等，LinkedList属于双向链表，具体使用方法可以查阅微软官方文档，Dictionary我们可以用来缓存数据库信息，如玩家信息，子弹信息等，这些都是较为简单的

度娘吞楼，补上上一层：在unity中由于无法在分线程调用API，只能在分线程中使用数据类型如Vector3等，因此我们可以把较为复杂的数学运算，迭代运算等放到分线程里进行计算，而通过委托将需要调用API的任务堆到线程安全的容器中，等待主线程的调用，这里给出一段示例代码，使用.Net4.x新出的高效，方便的Task而不是老的Thread，可以大幅度提高线程调用效率：
using UnityEngine;
using System.Collections;
using System.Collections.Generic;
using System.Collections.Concurrent;
using System;
using System.Threading;
using System.Linq;
using System.Threading.Tasks;
public class Loom : MonoBehaviour
{
private static Loom _current;
public static bool initialized {
get {
return _initialized;
}
}
public static Loom Current {
get {
Initialize ();
return _current;
}
}
void Awake ()
{
if (_current) {
Destroy (this);
return;
}
_current = this;
_initialized = true;
updateLink = new ConcurrentQueue<Action> ();
fixedUpdateLink = new ConcurrentQueue<Action> ();
}
void OnDestroy ()
{
_current = null;
_initialized = false;
}
public static void Sleep (int millisecond)
{
Thread.Sleep (millisecond);
}
static bool _initialized;
public static void Initialize ()
{
if (!_initialized && Application.isPlaying) {
_initialized = true;
GameObject g = new GameObject ("Loom");
_current = g.AddComponent<Loom> ();
}
}
/*
* 在分线程内调用该函数
* 将需要用到unity API的代码堆到主线程
*
*/
public static void QueueOnUpdate (Action action)
{
updateLink.Enqueue (action);
}
public static void QueueOnFixedUpdate (Action action)
{
fixedUpdateLink.Enqueue (action);
}
public static async void RunThread (Action a)
{
Task.Run (a);
}
public static void WaitAll (params Action[] actions)
{
Task[] tasks = new Task[actions.Length];
for (int i = 0; i < tasks.Length; ++i) {
using (Task t = Task.Run (actions [i])) {
tasks [i] = t;
}
}
Task.WaitAll (tasks);
}
public static void WaitAny (Action[] actions)
{
Task[] tasks = new Task[actions.Length];
for (int i = 0; i < tasks.Length; ++i) {
using (Task t = Task.Run (actions [i])) {
tasks [i] = t;
}
}
Task.WaitAny (tasks);
}
static ConcurrentQueue<Action> updateLink = new ConcurrentQueue<Action> ();
static ConcurrentQueue<Action> fixedUpdateLink = new ConcurrentQueue<Action> ();
void FixedUpdate ()
{
Action a;
while (fixedUpdateLink.TryDequeue (out a)) {
a ();
}
}
void LateUpdate ()
{
Action a;
while (updateLink.TryDequeue (out a)) {
a ();
}
}
}

NPC AI的编写：可以说第一人称视角是最接近现实的，AI主要分为两部分，较为初级的硬编码AI和进阶的机器学习，首先来说一下硬编码AI，所谓硬编码，就是指使用行为树，状态机等代码实现的AI，行为都是可预知的，由游戏设计师设计的。一个NPC的AI一定会满足“输入-->思考-->行为”这三部分，比如这里的这幅图，我们假设绿色球为NPC，而红色球为玩家：

即使AI的背后是程序控制，是上帝视角，时刻知道玩家位置，他也不应该像开透视挂一样直接冲过去打死玩家，也应该加上一个思考时间，所以我们需要模拟的是一个视锥体，从而给NPC一个感知，一般距离越远感知时间越长（需要花掉更多时间），角度偏差越大，感知时间越长。比方说这幅图内，玩家距离NPC我们假设是10m，NPC面朝前方，玩家大概在NPC右侧40度左右，我们就可以通过计算NPC方向和两者距离两向量（注意化为单位向量）的点积和距离向量的模长来给出一个NPC反映时间，而这些感知都是可以使用分线程来计算，最后再同步到主线程的。

那么真实的场景肯定是错综复杂的，而不是一个方形或者圆形，因此我们需要考虑遮挡问题，比如这里两玩家之间有个墙，而很显然NPC作为上帝视角拥有者是知道玩家在墙后的，所以我们可以使用Physics.Raycast或者Physics.SphereCast来进行射线检测（不知道的同学自行查文档吧），如果两者之间无遮挡，NPC可以直接向玩家开枪，否则NPC这里可以做出决策，比如通过一个0-1的随机数，当随机大于0.5时去墙后看看，否则在其他地方转悠，这就是一个较为简单的有限状态机的实现

补上图

接下来就是较为复杂的行为树系统，就像二叉树一样，行为树本身也是由逻辑判断+行为节点组成，在人类的大脑中，由数亿神经元组成网络，其层数多达11层，非常复杂，其中逻辑判断是神经网络重要的一个功能。这里给出一段伪代码，简单的讲述了行为树的一个基本操作：
Switch(Behave):
case 站立:
通过视觉侦测敌人方向（采用越远越难发现，越偏越难发现的原则，切换到怀疑状态）
通过听觉侦测敌人方向（靠近时听脚步声确定位置，远处时听诸如枪声或打碎物品的声音判断敌人出现的最后位置，听到后切换到怀疑状态）
通过触觉侦测敌人位置（敌人特别接近时切换状态到攻击状态）
case 巡逻：
在提前设置好的几个点之间移动，移动结束后切换回站立状态
case 怀疑：
较慢的速度前往事件发生的点（如玩家开枪的点），如发现敌人，切换到攻击状态，否则切换到巡逻或站立。
case 攻击：
利用周边掩体，与敌人对射，如敌人消失，切换到追逐状态，如敌人死亡，切换到巡逻状态。
case 追逐：
跑步追逐敌人，若消失时间太长，切换到怀疑状态，若距离小于一定值，切换到攻击状态。
这段利用一个有限状态机表现的一个行为树系统，反映了各个状态之间的切换，实际状态一般会复杂的多，不过原理大致如此

机器学习是较为高阶的AI，通过在服务端搭建图形工作站，或在开发者的机器上进行训练，然后将已经训练好的AI给玩家，这里给出本人的强化学习环境安装教程：
https://www.bilibili.com/video/av17127696/
以及视频中用到的机器学习的下载地址：
https://pan.baidu.com/s/1cmAP2m

接下来呢说一下服务端这一块的一个设计思路，假设我们的游戏采用C/S架构，服务端的作用就主要是将其他玩家信息，场景信息传递给每一个玩家，首先，最最基本的一个原则就是，在服务端与客户端高频交流时尽量避免使用TCP，无论信息是否要求可靠，都尽量避免使用TCP而是使用UDP，若信息要求可靠，我们可以在应用层中实现可靠传输，而不是依赖于TCP的可靠传输，因为TCP的时序对游戏信息的动态更新是很不利的，丢包率5%左右延迟就已经非常高了，而可靠UDP实现在20%丢包率时延迟都不高。所以我们首先来讲一下如何使用可靠的UDP

晚些写点代码再更吧，有点累