Unity 敌人AI战斗系统

在游戏中，会遭遇到各种各样的敌人，有小兵，有Boss，他们的战斗系统或者角色控制系统是怎样的？

GameAI

Third Person Controller和第一视角

UFPS: Ultimate FPS

UFPS 是 Unity 经过实战检验的 FPS 解决方案！UFPS 于 2012 年首次出现在 Asset Store（资源商店）中，并且一直在不断发展。成千上万的用户已经使用 UFPS 成功创建了自己的终极第一人称射击游戏！

UFPS 是一款专业的运动人物角色控制器，包含最流畅的第一人称控件，并且在以下所有领域都表现出色：个人电脑、手机、控制台、AI、联网以及 VR。

Unity FSM

FSM ，如其名有限状态机，就是说啊这是一个可以枚举出有限个状态，并且这些个状态在特定条件下能够来回切换的机器。
在小游戏里面出现的简单 AI 体验：怪物巡逻、怪物追击、目标丢失继续巡逻、发生战斗血量不足逃跑、发生战斗血量为0死亡等等，大多出自它手啦！

状态机AI

初级的AI战斗系统可以通过状态机的转换来实现

人工智能AI

人工神经网络控制（机器学习/深度学习）

在机器学习和认知科学领域，人工神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。

仿照生物学，人工神经细胞组成人工神经网络

遗传算法进化，制定进化规则

什么是机器学习？让计算机从经验中总结学习

图片检测、垃圾邮件检测、股票预测、计算机下棋

计算机的人工神经网络简单分为三层：输入层、隐藏层、输出层；
   这三个层的用意用形象的实例描述一下：
      输入层就代表人的感官；
      隐藏层(其实也是多了一层输出变成了下一组的输入)大脑中的神经元；
      输出层用来接收处理后的信息进行分类反应；
   简单的说输入和输出两层连，中间过程执行一个公式：
[url=][/url]加权
   [url=][/url]进行激活函数（f（））

深度学习

深度学习是机器学习的一个新方向

深度学习算法三大类：CNN、RNN和GAN

卷积神经网络、循环神经网络和生成对抗网络

深度学习框架：Tensorflow

卷积神经网络——图像识别，不是对单个像素计算，对一块区域像素做卷积

MNIST是计算机视觉领域的“hello world”数据集。自1999年发布以来，这种手写图像的经典数据集已经成为基准分类算法的基础。随着新的机器学习技术的出现，MNIST仍然是研究人员和学习者的可靠资源。

例子：在Unity中以坦克大战为例，自行控制物理引擎的速度，加快模拟

进化规则：杀敌多，且存活时间长