如何从缩进文件生成Unity C#二叉决策树实现NPC数据驱动AI

我们需要将C4.5算法生成的嵌套缩进式决策规则，转换为可反序列化为Unity C#二叉决策树的字符串格式。要求二叉树左子节点对应负分支（条件不满足），右子节点对应正分支（条件满足），序列化格式用逗号分隔节点，决策节点后紧跟两个分支节点，叶子节点后用#表示空节点。

输入的缩进规则示例：

HP is > 0: 
    SeesEnemy is False: 
        HearEnemy is False:
            Idle
        HearEnemy is True:
            Seeking
    SeesEnemy is True:
        EnemyInRange is False:
            Chasing
        EnemyInRange is True:
            Attacking
HP is <= 0:
    Dead

期望输出的序列化字符串：

HP > 0?,Dead,#,#,SeesEnemy?,HearEnemy?,Idle,#,#,Seeking,#,#,EnemyInRange?,Chasing,#,#,Attacking,#,#

实现思路 #

1. 预处理每行数据：拆分每行的缩进层级、条件/动作内容，以及分支方向（False对应左分支，True对应右分支）。
2. 递归构建序列：
   • 从根节点开始，先处理当前决策节点，然后递归处理左分支（负条件），再递归处理右分支（正条件）。
   • 遇到叶子节点时，输出动作名并追加两个#。
   • 通过缩进层级判断节点的父子关系：缩进层级增加时进入子节点，层级减少时回溯到父节点。

Python 实现代码 #

def parse_indent_rules(rules_text):
    # 预处理每行，过滤空行，提取缩进层级和内容
    lines = []
    for line in rules_text.strip().split('\n'):
        stripped = line.strip()
        if not stripped:
            continue
        # 计算缩进层级（假设用4空格缩进，可根据实际调整）
        indent_level = (len(line) - len(line.lstrip())) // 4
        lines.append((indent_level, stripped))
    
    # 递归生成序列化序列的辅助函数
    def build_sequence(index, current_level):
        if index >= len(lines):
            return [], index
        
        indent_level, content = lines[index]
        # 当前层级不匹配，返回空序列和当前索引
        if indent_level != current_level:
            return [], index
        
        index += 1
        
        # 判断是决策节点还是叶子节点
        if ':' in content:
            # 决策节点：拆分条件和分支方向（如果有）
            condition_part = content.split(':')[0].strip()
            # 转换条件格式，比如 "HP is > 0" 转为 "HP > 0?"
            if "is " in condition_part:
                condition = condition_part.replace("is ", "") + "?"
            else:
                condition = condition_part + "?"
            
            # 先处理左分支（False分支）
            left_seq, index = build_sequence(index, current_level + 1)
            # 再处理右分支（True分支）
            right_seq, index = build_sequence(index, current_level + 1)
            
            return [condition] + left_seq + right_seq, index
        else:
            # 叶子节点：返回动作名 + 两个#
            return [content, '#', '#'], index
    
    # 从根节点开始构建
    sequence, _ = build_sequence(0, 0)
    return ','.join(sequence)

# 测试输入
rules_input = """HP is > 0: 
    SeesEnemy is False: 
        HearEnemy is False:
            Idle
        HearEnemy is True:
            Seeking
    SeesEnemy is True:
        EnemyInRange is False:
            Chasing
        EnemyInRange is True:
            Attacking
HP is <= 0:
    Dead"""

# 生成序列化字符串
result = parse_indent_rules(rules_input)
print(result)

代码说明 #

• 缩进处理：假设缩进为4空格，若实际使用tab缩进，可修改indent_level的计算方式（比如用line.count('\t')）。
• 条件转换：将规则中的X is Y格式转为X Y?的决策节点格式，匹配目标序列化要求。
• 递归逻辑：通过层级匹配自动处理父子节点关系，左分支优先处理负条件，右分支随后处理正条件，叶子节点自动追加#占位。

运行代码后，输出结果与期望完全一致。

内容的提问来源于stack exchange，提问作者Or1m