英雄AI的目的主要有：
1.新手过渡局，让玩家刚进入到游戏时，和较弱电脑对战，培养成就感，避免尚未熟悉游戏导致的挫折流失。
2.人机对战，给玩家练习新英雄或者挑战高难度电脑的机会。
3.温暖局，对连败玩家，匹配机器人去补偿一场胜利，舒缓连败挫折。
4.掉线托管，用强度合理的AI来补位掉线玩家，减少其他在线玩家的掉线局有损体验。
英雄AI的设计原则是：优秀的AI并不要求是尽量的和人表现一致，也不是多么的精准和无懈可击，而是能够和玩家进行很好的交互，提升游戏体验。
1.2 设计思路我们的AI实现分为四个阶段，正好类似于玩家的成长。
第一阶段是基本战术AI，主要包括：混线，买装备，逃避危险，回城，补兵。是一种单兵作战AI。模仿新手玩家的刚刚开始学习操作。
第二阶段是增加一些事件响应用来控制英雄的走位和换线，包括敌塔下撤退，救援己方塔，包括抱团。模仿玩家已经开始渐渐了解塔的属性，初步开始与其他玩家合作。
第三阶段是协同战术AI，该AI周期性的判断是否应该果断出击打出一波局部进攻。它会在比较短的时间内控制局部范围内的单位一起行动，会有走位，配合使用技能等较细致的行为，是一种小团队AI。模仿玩家已经开始熟悉所有英雄，微操提升，对Gank略有心得。
第四阶段是战略AI，整体协调全部玩家在地图上的分布，野区，兵线。模仿玩家已经有较强的团队意识，会分工和配合了。
2 名词解释1． 单体战术AI：每个英雄都会配备自己独特的战术AI，此AI将实现战斗细节，比如英雄何时该释放技能，对谁释放；如何走位规避风险或者形成Gank优势站位；怎么补兵；购买贩卖何种道具；何时追击何时逃跑等等。
2． 全局AI：全局AI是一种综合考虑场上所有战斗因素之后对单体发布指令的控制器。全局AI所关注的事情主要有：兵线英雄的分布，Gank发动时机，逃避危险，救援建筑。全局AI是通过给单位添加指令buff和修改单体战术AI的参数来实现的。
3． AI参数：我们将尽可能的暴露出AI的各种行为参数，并通过AI参数来控制电脑的AI难度强度。高难度AI，意味着它优先使用较高收益的战略。而低难度AI则可以选择比较低收益的战略。我们的不同难度AI是通过修改AI的一系列参数来实现的。
4． 行为树：树形结构的行为流程处理，每个Tick到来时，行为树按照一定的规则进行搜索和执行相应节点，直到到达某个返回true的叶节点，之后结束当前Tick。
5． Gank 小组：Gank小组是一个动态的局部的概念，当我方英雄A周边有敌对英雄时，英雄A就是属于某个Gank小组的，Gank小组的其他成员必须和A距离很近。
6． Gank 行为：Gank行为是一种对集体行为的模仿，其本质仍然是单体AI，但Gank发动时机是通过全局AI来控制的。处于Gank状态的机器人会表现出与单体行动很不一样的行为，比如坦克可能宁死也不撤退，ADC优先释放控制技能。
3 行为树实现 3.1行为树脑图行为树脑图是一个多叉树，各个父节点的所有子节点节点按照从左到右、从上到下的顺序逐个检测，只要返回True了，之下的节点都不再执行。灰色注释为节点执行的先决条件，灰色节点不满足则直接返回False。脑图中的
对应着行为树中的Selector节点。
行为树工具基本思想都一致，但使用起来还是有较大差别的。常见的是Unity3D的BehaviorDesigner插件，虚幻四自带的行为树组件，公司内部的Behaviac。我最喜欢的是BehaviorDesigner，学习时还是推荐Behaviac，传送门：%E9%A6%96%E9%A1%B5/
原因比较简单，只有它是中文。
这是一个尚未展开的行为树，每个超链接都对应一个子树，会逐个展开来讲解。
3.1.1购买道具
英雄购买道具需要提前写好英雄对应的阶段道具设置。
比如：
每隔一段时间检测一次金钱是否可以买卖下阶段的道具。
3.1.2濒死逃亡
每个英雄都需要单独编写此子树。首先搜寻最优攻击目标，而后检测是否能用技能组合一次秒之。
最优技能释放目标搜索满足以下条件的单位应该优先被锁定：
1.HP较低
2.AP或者MP较高
3.物理或魔法护甲较低
4.处在友方其他英雄攻击范围内
我们可以使用如下计算公式（本文里面的任何公式都不一定是最优解的，但都满足定性的设计要求）：
其中a,b为参数，AllyNearBy为敌方英雄600码内我方英雄数量，每增加一个盟友，敌人的诱惑程度增加b。推荐参数值a=0.7, b=0.3
技能是否使用只对最优释放目标进行考虑。
3.1.4推兵线
英雄磨血节点需要考虑收益，计算公式：
收益值要考虑率较多因素，包括敌我双方血量，敌方英雄的同盟单位，收益值可能为负值。
3.1.5执行AI行动指令