本发明涉及一种基于人工智能的模糊逻辑技术实现ai行为判断方法，属于游戏算法技术领域。
背景技术：
模糊逻辑是建立在多值逻辑基础上，运用模糊集合的方法来研究模糊性思维，模糊逻辑指在模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。
在一般的游戏中，ai行为的转换都是精准的条件判断，比如对方离我方100个像素，我方攻击，如果我方生命值小于10%，我方逃跑。但是这样的精准条件判断会使得ai的行为非常生硬，表现奇怪，违背玩家的心理预期。举个例子，假设对方离我方100个像素，这时我方选择攻击，但是这个时候我方的生命值又小于10%，我方也应该选择逃跑，那么这样就造成了逻辑冲突，在游戏中我方ai的行为会在攻击和逃跑两个状态间来回切换，造成人物抖动的奇怪表现。为了解决精准判断导致的逻辑冲突问题，有必要使用了模糊逻辑技术。
技术实现要素：
本发明的目的在于提供一种基于人工智能的模糊逻辑技术实现ai行为判断方法，以便更好地实现游戏模糊逻辑判断，改善其使用效果。
为了实现上述目的，本发明的技术方案如下。
一种基于人工智能的模糊逻辑技术实现ai行为判断方法，其具体实现过程如下：
（1）输入：在游戏中，将攻击距离、攻击者生命值、攻击者攻击力、攻击者防御力、攻击者当前装备、被攻击者攻击力、被攻击者防御力、被攻击者当前装备、相距距离作为了模糊变量的输入。
（2）构建模糊规则：
（2a）构建流程具体为：
(s1)设计期望值模糊变量：这是表示后果集合期望值所需要的；模糊变量期望值需要去表示从0到100的所有分数的域，因此，其成员集合必须恰当的分布在这个域内；选择使用三个成员集合：一个左肩集合、一个三角集合和一个右肩集合，让它们代表语言术语“undesirable不希望”、“desirable希望”、“verydesirable非常希望”；
(s2)设计击杀概率模糊变量：这是表示前提条件。选择使用三个成员集合：killprobability_low击杀概率低、killprobability_medium击杀概率有可能、killprobability_veryhigh击杀概率非常大；概率值的范围在0到1之间；给模糊集合killprobability_low设置0.3的峰值；选择0.5作为killprobability_medium的峰值，选择0.8作为killprobability_veryhigh的峰值，然后稳步上升到0.9；
(s3)设计与目标距离模糊变量：这是表示前提条件。选择使用三个成员集合：target_close与目标距离近、target_ok与目标距离合适、target_far与目标距离远；给模糊集合target_close设置距离为25个像素的峰值；选择150个像素作为target_ok的峰值，选择300像素为target_far的峰值，然后稳步上升到400；
（s4）设计规则集：模糊变量击杀概率和与目标距离，它们每个都包含三个成员集合。为了覆盖每种可能的组合，使用“与运算”方法，定义出了9种规则，每种规则得出一个期望值后果：规则1：如果killprobability_low与target_close,那么undesirable；规则2：如果killprobability_low与target_ok,那么desirable；规则3：如果killprobability_low与target_far,那么undesirable；规则4：如果killprobability_medium与target_close,那么undesirable；规则5：如果killprobability_medium与target_ok,那么verydesirable；规则6：如果killprobability_medium与target_far,那么desirable；规则7：如果killprobability_veryhigh与target_close,那么undesirable；规则8：如果killprobability_veryhigh与target_ok,那么verydesirable；规则9：如果killprobability_veryhigh与target_far,那么desirable；
（2b）计算方法：
（n1）依次通过以下计算公式计算出击杀概率：
a、攻击力=当前装备+基础攻击力；
b、防御力=当前装备+基础防御力；
c、击杀对方需要的攻击回合=对方生命值/(我方攻击力-对方防御力)；
d、对方击杀我方需要的攻击回合=我方生命值/(对方方攻击力-我方防御力)；
e、击杀对方的概率=击杀对方需要的攻击回合／对方击杀我方需要的攻击回合；
（n2）通过使用向量vector计算与目标距离；
（3）去模糊化并得出结果：根据模糊规则，使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值；
平均最大值的计算公式：
平均最大值=(不希望的中心值*不希望隶属度+希望的中心值*希望隶属度+非常希望的中心值*非常希望隶属度)／(不希望隶属度+希望隶属度+非常希望隶属度)；
最后判断计算出来的平均最大值是否超过当前行为的平均最大值，如果超过就执行，如果没有超过就不执行。
进一步地，上述判断方法基于编程语言实现。
进一步地，上述判断方法基于手机、智能电脑、网络游戏平台运行。
该发明的有益效果在于：本发明方法能有效地判断ai行为，实现其模糊化，改善了游戏运行效果，使用效果好。
具体实施方式
下面结合实施例对本发明的具体实施方式进行描述，以便更好的理解本发明。
实施例
本实施例中的基于人工智能的模糊逻辑技术实现ai行为判断方法，其具体实现过程如下：
（1）输入：在游戏中，将攻击距离、攻击者生命值、攻击者攻击力、攻击者防御力、攻击者当前装备、被攻击者攻击力、被攻击者防御力、被攻击者当前装备、相距距离作为了模糊变量的输入。
（2）构建模糊规则：
（2a）构建流程具体为：
(s1)设计期望值模糊变量：这是表示后果集合期望值所需要的；模糊变量期望值需要去表示从0到100的所有分数的域，因此，其成员集合必须恰当的分布在这个域内；选择使用三个成员集合：一个左肩集合、一个三角集合和一个右肩集合，让它们代表语言术语“undesirable不希望”、“desirable希望”、“verydesirable非常希望”；
(s2)设计击杀概率模糊变量：这是表示前提条件。选择使用三个成员集合：killprobability_low击杀概率低、killprobability_medium击杀概率有可能、killprobability_veryhigh击杀概率非常大；概率值的范围在0到1之间；给模糊集合killprobability_low设置0.3的峰值；选择0.5作为killprobability_medium的峰值，选择0.8作为killprobability_veryhigh的峰值，然后稳步上升到0.9；
(s3)设计与目标距离模糊变量：这是表示前提条件。选择使用三个成员集合：target_close与目标距离近、target_ok与目标距离合适、target_far与目标距离远；给模糊集合target_close设置距离为25个像素的峰值；选择150个像素作为target_ok的峰值，选择300像素为target_far的峰值，然后稳步上升到400；
（s4）设计规则集：模糊变量击杀概率和与目标距离，它们每个都包含三个成员集合。为了覆盖每种可能的组合，使用“与运算”方法，定义出了9种规则，每种规则得出一个期望值后果：规则1：如果killprobability_low与target_close,那么undesirable；规则2：如果killprobability_low与target_ok,那么desirable；规则3：如果killprobability_low与target_far,那么undesirable；规则4：如果killprobability_medium与target_close,那么undesirable；规则5：如果killprobability_medium与target_ok,那么verydesirable；规则6：如果killprobability_medium与target_far,那么desirable；规则7：如果killprobability_veryhigh与target_close,那么undesirable；规则8：如果killprobability_veryhigh与target_ok,那么verydesirable；规则9：如果killprobability_veryhigh与target_far,那么desirable；
（2b）计算方法：
（n1）依次通过以下计算公式计算出击杀概率：
a、攻击力=当前装备+基础攻击力；
b、防御力=当前装备+基础防御力；
c、击杀对方需要的攻击回合=对方生命值/(我方攻击力-对方防御力)；
d、对方击杀我方需要的攻击回合=我方生命值/(对方方攻击力-我方防御力)；
e、击杀对方的概率=击杀对方需要的攻击回合／对方击杀我方需要的攻击回合；
（n2）通过使用向量vector计算与目标距离；
（3）去模糊化并得出结果：根据模糊规则，使用了平均最大值的方法去模糊化得到最后是否进攻的最终期望值；
平均最大值的计算公式：
平均最大值=(不希望的中心值*不希望隶属度+希望的中心值*希望隶属度+非常希望的中心值*非常希望隶属度)／(不希望隶属度+希望隶属度+非常希望隶属度)；
最后判断计算出来的平均最大值是否超过当前行为的平均最大值，如果超过就执行，如果没有超过就不执行。
上述判断方法基于编程语言实现。
上述判断方法基于手机、智能电脑、网络游戏平台运行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。