台球AI

Question

我正在用Java实现一个台球游戏，它运行得很好。这是一个多人游戏，但尽管如此，它也应该可以单独玩。为此，我尝试实现一个简单的KI。目前，KI只是随机选择一个方向和一个随机强度的脉冲(不知道正确的英文单词)。当然，这种人工智能非常差，不太可能挑战玩家。

所以我想要改进KI，但有几个很难解决的问题。首先，我只想选择最近的球，并试着把它直接放进最近的洞里。这并不是那么糟糕，但是如果中间有其他球，它就不再工作了。此外，这并没有解决计算脉冲强度的问题。

那么有什么一般性的建议吗？或者有什么想法？最佳实践？

Answer 1

计算游戏一次“移动”的结果需要多少CPU时间和内存？你能负担得起分析一个以上的走法吗？如果这样做相对便宜，只需选择N个随机方向/脉冲，计算结果并选择最好的。你可以消除一些“棘手”的情况，当球在太多的碰撞后进入口袋。此外，为了简化，您可以限制每次移动的模拟时间(即，不要等到所有球停止，只计算前T秒)。

这样，你可以有不同级别的计算机玩家--较高的N(和T)对应较高的游戏级别。

Answer 2

根据台球游戏的不同，你通常有两个任务

评估桌面上的情况(获取可能的镜头)

• 在完美的情况下(完美的瞄准，完美的投篮)所有可能的投篮都是同样困难的，如果你只考虑直接投篮到一个球，那么最多只有6个洞x n个球的情况需要你分析(分析简单的佳能-打两个球只需要额外的n^2个球x 6个洞的情况)。对于这些情况中的每一种，确定它们是否可行都需要简单的分析(除非您正在进行非常逼真的碰撞模拟)。因此，在非常简单的模拟中，您可能希望尝试构建所有可能的情况，并对它们进行排序。为了分析银行外的投篮，你可能想要在列举可能的情况时镜像球和holes.
• Alternatively，你可以简单地对表进行行扫描，标记对于投篮是非法的区域，并枚举和构建潜在的投篮，如...

angle1、ball1、pocket2

angle2、ball1、pocket3

angle3、ball1、ball2、pocket1

angle4、cushion2、ball2、pocket1

• 对于更好的AI你想要模拟不完美，例如，击球是通过在某个点x(可能定义为远离直接击球的角度)击球来进行的，让我们假设dx会有一个错误(由于瞄准不好，或者击球不好，等等)-这反过来会导致球在方向上的错误，这将随着到口袋的距离而增加。这给出了一种根据难度对投篮进行排序的方法-根据瞄准/投篮中的错误来衡量投篮的敏感度(一些投篮比其他投篮更容易)。这将取决于从白色到球以及从球到洞的路径的长度。
• 还有一件事需要注意，那就是白球进洞的风险，或者其他非法投篮的风险

选择击球(不仅基于难度，还基于潜在的增益)

• 你还需要看看策略(一个简单的投篮可能会让你在下一轮一无所获)
• 这不仅是因为第一次投篮有多容易，而且还有第二次投篮有多难(为此，你可以再次对模拟的情况进行评估，这里你可以让球员变得更强或更弱，这取决于他能向前看多少次)；你也可以给你的球员个性-寻找解决方案深度优先或广度优先)
• 在选择策略时，你应该寻找难度总和最小的击球组合(你可能需要评估后面的击球的重要性，考虑到你将在游戏中miss)
• depending的概率你可能会考虑引入纯粹的位置游戏的安全击球，其目的不是立即将球装入口袋，而是迫使对手犯错或缓解你自己的情况(当玩这样的击球时，还有其他情况将是有益的-例如，当你不能击中任何东西，但需要分割几个球或将它们从垫子上移开)。在这种情况下，您需要从头开始。
• 所有这些在真实的物理中变得更加复杂:旋转，真实的碰撞，反弹，真实的坐垫，球杆滑落等等。

Answer 3

我可以想到两种广泛的方法。

1. 列出了主球周围的所有可能的球杆位置和力量级别，然后搜索列表以找到第一个让你下沉球的位置。这是一个相当大的列表，你可以通过使用少量的力量级别和排除任何“明显”的糟糕投篮来削减它。
2. 向后工作--查看桌子上的每个球，看看是否可以让主球接触到它。然后计算出正确的球杆位置和用力水平，使其进入洞内。您可以将其展开以在树中搜索多球投篮。

我最喜欢解决方案1；它可以让你找到一次可以沉两个或更多球的情况。