模糊状态机(FuSM).docVIP

模糊状态机(FuSM) ??? FSM? (有限状态机):涉及到不同状态之间的转换，且系统一次只处于一个当前状态。??? FuSM（模糊状态机）：有限状态机的一个变种，建立在模糊逻辑的概念之上，一般定义为“被扩展来处理部分真相概念的传统逻辑（bool 逻辑）的超集”。应该注意，虽然FuSM建立在模糊逻辑概念之上，但不代表是实实在在的模糊系统。????? 部分真值是一个非常强大的概念。与常规的FSM不同，FuSM在范围上不具有一般性。与FSM一样，FuSM跟踪一系列可能的游戏状态。但不同的是，FSM具有一个单一的当前状态，然后通过转换到一个不同的状态来响应输入事件，而FuSM 可能同时具有多个状态，因此不存在转换。模糊系统中的每个状态都计算一个激活水平，该激活水平决定了系统处于任意给定状态的程度，因此，系统的整体行为由当前被激活状态的贡献组合来决定。????? FuSM仅仅对那些能够???时处于多个状态并且具有超越简单数字值(如开或关，关闭或打开，生存或死亡)的系统有用，模糊数值用于描述部分开，几乎关闭和未完全死亡等。另一种对此类数值类型进行量化的方法是使用一个归一系数(0.0 与 1.0之间的数)来表示条件对各个端状态的隶属度（例如：0.0表示完全关闭，1.0表示完全开启）,尽管对于FuSM来说归一化并不是必须的。这是不必记住集合隶属度的所有权限制的一种简单方式，同时也确保了集合隶属度值之间比较的简单性。????? 关于什么是真正的FuSM，在游戏AI领域还存在一些混淆的看法，因为在同一类别中存在好几个FSM变种被当作是FuSM。这些变种包括：??? 1:：具有转换优先级的FSM. 在该模型中，必须对每个可用状态的激活水平进行计算（该模型仍然是一个FSM，因此每个状态都有一系列可能的转换）;然后那个具有最高激活水平的状态获胜，成为新的当前状态。这是许多程序员使用模糊度概念来增加其决策状态机的方式，但该系统仍然是一个FSM，并且类似系统输出行的可预测性仅仅比常规FSM稍微小一点。?? 2 ：概率FSM,在该形式的FSM中，从状态出发的各个转换都被赋予了一定的概率，因此FSM遍历更加不确定，从而具有较小的可预测性。这些概率能够随时间发生变化，或者可以在FSM内部进行设置，使用多个FSM来对不同的概率集进行分组。概率FSM有时用于当某些转换具有许多等价输出状态的情形，例如，靠近一个敌人将使他转换到3个状态（具有等效值）之一：Punch，Kick，HeadButt。如果某一给定转换只有一个输出状态，FSM则正常工作。但如果有多个状态，则对这多个状态进行概率分配（可以同等选择的平均分配，或侧重于某些状态，或根据分支最近是否被采用或人类阻止使用某一走步进行更复杂的判断）。?? 3 ：马尔可夫模型 。（什么时候用俺的名字也命名一个模型）与概率FSM很像似，但其转换逻辑是完全基于概率的，因此马尔可夫模型可用于耦合状态中推断变化。举一个非常简单的例子，比如有两个状态 :AIM(瞄准)和FireWeapen(开火)。在该游戏中，这两个状态通常是完全连接的，因为当瞄准后就会发射，但是，假如要模仿一个更真实的枪炮模型，并有2%的机会AIM状态将转换到WeaponJam状态。此类转换有时称为“可靠性建模”。在该示例中，武器具有98%的可靠性，巴尔可夫模型主要用于此类统计的建模，因为系统的假设之一就是下一个状态通过概率与当前状态发生联系。一个反应性的视频游戏可能具有某些属于该类的元素，但由于AI对手可能改变状态的主要原因是为了响应人类玩家的愚蠢行动，此类状态预测很少成为主流。此类系统的一个有趣用法是去实际模仿人类偶尔表现出来的“意外事件”----- AI 对手偶尔摔倒，丢球或打到自己的脚。所有这些这此意外事件都可以在基本的跑步，持球或射门动作层级中处理，并能够在这些活动中的高度耦合动画中通过采用极其不太可能的分支来使其发生。这类真实行为是否符合游戏模拟，或对玩家是否具有娱乐性，完全取决于用户。? 4：实际的模糊逻辑系统。与流行的观念相反，FuSM并不是真正的模糊逻辑系统。模糊逻辑事实上是一个过程，部分真值表示的规则通过通过它来进行组合和推理，从而得到决策。之所以设计模糊逻辑是因为许多真实世界问题并非总能表示为限定事件，而且真实世界的解决方案也并非总能表示为限定行动。模糊逻辑仅仅是是常规逻辑的一种扩展，使得他们能够处理此类的规则集。游戏中实际模糊逻辑的最简单形式是描述行为变化的简单“If? ... else” 语句（或其等价物，通过一个数据表格或某种组合矩阵）。例如，语句“如果我的健康值低，而我的敌人的健康值高，那我应该逃跑”? 就是一个简单的模糊规则。它以一种模糊的方式（低 高）对两个感知（我的健康值，敌人的健康值）进行比较，并赋予它一