该系列是利用业余时间里观摩一下目前国际上最高水平游戏AI是怎么做的，以此来了解高水平游戏AI开发。
本文的内容是世界著名星际AI比赛AIIDE（Artificial Intelligence and Interactive Digital Entertainment Conference），尝试发掘一些可供参考的有效信息。文章首发于我的博客，转载请保留链接 ;)
AIIDE 星际争霸 AI 竞赛由加州大学圣克鲁斯分校 Expressive Intelligence Studio的 Ben Weber 在2010 年首次举办，作为 AIIDE（人工智能和互动数字娱乐，Artificial Intelligence and Interactive Digital Entertainment）大会的一部分。AIIDE为什么使用星际1，而不使用星际2作为比赛平台，原因很简单，星际2的官方违规条款很严格：不允许对星际2代码做任何修改，不允许使用自动化软件和第三方插件辅助工具，不允许修改任何游戏文件。图1是AIIDE 2018星际AI比赛冠军SAIDA vs 亚军CherryPi的比赛录像一段。
AIIDE 2017
共28支队伍参赛
1st ZZZKBot（虫族） 83.11%
单基地rush战术开局：4血池提速狗、刺蛇、飞龙。后期升级大龙。用文件读写的方式记录每盘使用的策略和最终的结果，用手写代码逻辑来从上述记录中“学习”应该使用哪种策略：大多数决策是通过手写代码考虑多种情况实现的，使用基于单位类型优先级、几何计算等的启发式方法和过往比赛记录来实现。
2nd PurpleWave（神族） 82.35%
就是一个“专业神族策略包”：包含了大量的神族现存的微操技巧和建筑摆放，设计了激进策略、经济发展策略，还有一些搞笑的“苟”策略。
3rd Iron（人族） 81.52%
多gent系统：每个可控制单位都是一个agent，设计主要目标是整体行为的鲁棒性，比如解决单位卡住、来回犹豫（indecision）、可被预测等问题。为了满足以上鲁棒性，每个agent高度自治，agent们在25个行为间切换，建造队列顺序每盘一样，但会根据对手的建造进行应对和变化。有一个主脑对训练单位、建筑、科技进行决策，决策依赖收集到的信息和非常粗略的启发式算法。
4th cpac（虫族） 71.01%
中科院自动化研究所
基于Steamhammer bot：加了一些新策略；加了一些机器学习，比如为生产队列为空时战斗单位的生产训练了一个多层感知机网络。
官方总结
- 到2017年为止，没有太大突破
- AI变得更强：以前的方法会被现有方法打得很惨；有些现有方法使用到了机器学习算法；有些现有方法使用了搜索/模拟的策略
- 大多数提升是基于知识的：修复一些明显的错误；实现更多复杂的策略/架构。
AIIDE 2018
共27支参赛队伍，总体来说相较于去年，头部参赛队伍水平更高，尾部队伍水平反而更低。
1st SAIDE（人族） 95.91%
Samsung公司
纯手写规则的人族机械化打法：防守策略开局，中期开始寻找最佳rush的timing，用强力的一击击败对手。想法是人族的机械化打法可以应对大部分对手的策略，弱点是最少的，所以直接采用该打法。用有限状态机来控制单位和建筑，每类单位和建筑也在每种局势下有一种指定的状态，用几种搜索算法来定位敌方基地和放置建筑。实力强劲，能击败业余选手，但还不能击败职业选手，但据开发团队说在可预见的未来可以击败职业选手。
2nd CherryPi（虫族） 90.86%
Facebook AI Research团队
策略层：每场比赛开局会根据与对手的交战历史来从预设的8到13种策略中选择一种策略，通过Time-decay Thompson Sampling模型（一种简单的强化学习模型）来实现。接下来在比赛当中，用一种训练好的LSTM模型，来评测当前局势下最优策略，然后符合特定条件后，将会切换到该最优策略，通过这种来回切的方式实现“混合”策略。
有监督学习：用卷积神经网络从人类玩家游戏数据训练出建筑放置方法。
搜索算法：区域级寻路来绕过阻挡，危险感知寻路来实现“风筝”走位和引导单位脱离战斗
其它手写规则：矿工分配、资源比例分配、生成队列、部队站位、单位碰撞避免、刺蛇走A等
3rd CSE（神族） 87.11%
中科院自动化研究所队伍，也是2017年的cpac队伍
基于Locutus bot（Locutus bot本身也参赛了，排在第5，意思是修改提升了两个名次）：主要是基于手写规则，加了一点点机器学习算法，具体策略跟去年差不太多。
官方总结
- 比往年强多了
- Samsung和Facebook之间的较量：Samsung请了几个韩国职业选手来配合程序开发，Facebook有好几个高水平星际AI的开发者
我的收获
**1. 到目前为止，没有用纯机器学习的方法，纯手写规则的方法SAIDE表现十分突出
- 2018年的第二名CherryPi是使用机器学习的一个很好的榜样，将机器学习用在了多个独立的部分，用的一种分层的思想应用机器学习：策略和操作分层，虽然操作是规则写的
- CherryPi通过危险感知寻路来实现走A和引导单位以最小损失脱离战斗这个确实挺有意思，可以借鉴使用**
