我正在做一个简单的 AI，并且是这个领域的新手。我需要一个算法，可以基于一些参数做出某种决策；但需要带有一点随机性。到目前为止，我一直在做的是生成一个随机数，并根据我得到的不同值，采取不同的执行路径。我总觉得有一种更好的方法来做这件事。你能给我一些提示吗？

回答：

我不认为存在比你正在做的“更好”的方法，因为问题描述相当模糊，并且不清楚这实际上是一个人工智能问题还是一个模拟问题。

对于决策部分，通常使用一个简单的启发式系统（基于你对被建模行为的直观理解）就足够了，该系统是一系列条件语句，可能带有一些随机因素来使其多样化。你可以使用加权平均系统，该系统选择几个选项，根据感知的质量对它们进行排序，然后随机选择一个选项，同时偏向于更好的值。（这被称为轮盘赌选择或适应度比例选择，在遗传算法领域很常见，但在遗传算法之外也非常有用。）

对于模拟部分，你通常希望对过程进行建模，然后引入随机性来模拟过程中更微妙的部分。这意味着清楚地定义你的输入（反手力量，球的方向，…）和你的输出（球的运动向量？），并考虑它们如何相互关联。这意味着你得到一些已知值的输出，然后你可以使用你的随机数生成器来修改它们。如果你试图模拟的是人类的选择，而不仅仅是物理模拟，事情会变得更加复杂，因为人类的选择通常优先于所有其他输入。

一个我可以开始的简化示例是，玩家 AI 选择他们想将球击打到哪里。我将球的预期方向计算为一个向量，该向量会将球精确地发送到计划的位置。然后，系统会根据球的方向，速度，玩家的能力等计算一个从 0％到 100％的难度分数。我生成一个“不准确性”修改器，该修改器是一个介于 0％和难度％之间的随机数，这意味着一个非常容易的击球将是完全准确的，而一个半难的击球将在 0％到 50％之间变化。然后，我计算一个随机的归一化单位长度3D向量，将其缩放为不准确性值，然后将其添加到预期方向。这意味着更困难的击球往往会偏离目标更远。