揭秘UAlbertaBot：探索星际争霸AI规则的深度学习之旅

🌟星际争霸AI揭秘：🔥深度学习时代的游戏智者🔍在游戏AI的进化历程中，尽管深度学习已崭露头角（`(.`），但早期多数仍受限于规则基础的设计。👀那么，这些神秘的AI规则究竟是如何构建的呢？遗憾的是，相关资料往往模糊不清，只提供了一个大概轮廓。📚网络上虽有零星探讨，但对于这类基于AI的决策机制，深入解析实属不易。它们就像棋局中的算法大师，遵循一套特定的计算逻辑，却不常透露其具体运算法则。🔍尽管如此，我们不妨想象：这些AI通过复杂的学习过程，从海量数据中汲取智慧，逐步优化策略，为玩家带来更逼真的挑战与惊喜。🚀对于想要深入了解这一领域的朋友，不妨关注未来的研究动态，或许未来的某个突破将揭示更多关于星际争霸AI的黑科技秘密。🎓

📚 分析了UAlbertaBot源码，深入研究了几篇AI代码解析。这款开源的星际争霸AI，自2010年起活跃于各类AI竞技场，其在2013年AIIDE星际争霸AI大赛中的冠军荣誉，无疑为学习者提供了宝贵的参考价值🌟。探索AI世界，UAlbertaBot是你的智慧导航✨。

总共写了这么几篇，可以作为参考。

架构和规则，宏观介绍UAlbertaBot的原理建造顺序搜索，介绍使用深度搜索算法去找到最优建造顺序的方法战斗模拟评估，介绍模拟队伍作战评估能否获胜的方法starterbot，一个最简单的机器人，从中理解最基础星际AI的写法策略制定，策略制定部分的代码分析建造实现，生产、建造相关系统的代码分析战斗实现，战斗相关代码分析寻路算法，地图相关代码的分析

这个程序分为如下几大部分：

ProductionManager 生产管理器

在程序中，策略管理器（StrategyManager）会负责选择合适的策略，而针对不同的策略需要生产不同的单位，StrategyManager会生成一个建造目标（build order goal ），包含要生产的内容，由ProductionManager去执行。由于建造单元有依赖关系，也会消耗资源，必需合理的安排生产的顺序。ProductionManager会调用StarcraftBuildOrderSearch进行搜索，找到最合理的建造顺序（后续还会详细介绍搜索的过程），形成建造列表（build order）按照优先级，建造队列（build order）里的单位。ProductionManager会调用BuildingManager来实现具体的建造过程，包括分配工人去建造、建造过程中工人被打死需要重新分配工人、管理建筑的状态（准备建、已分配工人、建造中、建造完成）。

CombatCommander 战斗管理器

如果敌人来到我方占领的区域，创建防御队伍（defense Squad）去防御。如果存在攻击单位，按照如下顺序进行攻击，a：已知的敌人基地；b：可见的敌人单元；c：已知的敌人建筑；d：进行探索，直到找到攻击目标。CombatCommander会根据需要创建队伍，如需要防御时创建防御队伍，攻击时创建攻击队伍，分配单元到各个队伍（Squads），并且管理它们。其中Squads模块会调用CombatSimulation进行战斗模拟（后续也会详细说明），如果预估会胜利，则指示队伍去攻击敌人；如果预估会失败，则撤退。Squads会调用各种MicroManager进行微观动作的操控。MicroManager是一个基类，派生出MeleeManager（混战）、RangedManager（范围攻击）、DetectorManager（侦查管理器），不同子类会实现一种特定行为的控制。在合适时间，设置一个工人去侦查，以探索地图区域。CombatCommander会调用scoutManager，负责侦查逻辑，a：具体逻辑是寻找敌人基地并往敌人基地的方向行进；b：如果在敌人基地内遇到敌方工人则攻击它；c：如果敌方工人反击，则撤退。

WorkerManager 工人管理器

如果有空闲工人，分配它们去收集矿产为每个提炼厂分配3个工人如果发现新的油矿，重新分配工人去挖矿如果需要建造，分配一些工人去建造

其他系统诸如InformationManager会记录已发现的敌人信息，MapGrid和MapTool会实现寻路辅助的功能。