Skip to main content

GOAP：目标导向行为规划

July 16, 2026About 5 minGame AI

GOAP：目标导向行为规划

GOAP（Goal-Oriented Action Planning，目标导向行为规划）是一种让 NPC 自己「想办法」达成目标的决策技术。行为树把决策路径提前写死，GOAP 反过来：你只描述角色想要什么（Goal）和能做什么（Action），至于先做哪一步、再做哪一步，交给规划器（Planner）在运行时算出来。

这套思路并不新，源头是 1970 年代的自动规划（STRIPS）。真正让它在游戏圈出名的是 2005 年的《极度恐慌》（F.E.A.R.）——敌兵会绕后、找掩体、喊队友合围，很大程度上就是 GOAP 规划出来的。更早在 2003 年的《杀出重围：隐形战争》里就试过一次，但那一代的 AI 因为行为不一致、战术偏简单、算力吃紧挨了不少批评。这段历史其实提前把 GOAP 的代价摆到了台面上：规划是要花 CPU 的，用之前得想清楚值不值。

核心概念

GOAP 的世界由几个部件拼起来：

  • WorldState：世界状态集合，描述 AI 当前认知里的世界。通常拆成一组布尔量——「看得到玩家吗」「手里有武器吗」「在掩体后面吗」。
  • Goal：目标。每个目标带一个 GoalState（想要到达的世界状态）和优先级。
  • Action：具体动作。每个动作有 Precondition（执行前提）和 Effect（执行后对世界状态的改变），还带一个 Cost。
  • GoalSet / ActionSet：分别管理目标和动作的集合。GoalSet 负责按优先级和当前 WorldState 挑出一个可行的 Goal；ActionSet 为规划器提供候选动作。
  • Planner：规划器，根据选中的 Goal 算出一串能到达 GoalState 的动作序列（Plan）。普遍做法是用 A*。
  • Agent：AI 实例，持有并管理上面这些对象。

用类图表示它们的关系：

规划的本质：反向图搜索

一个 Plan 就是从「当前世界状态」走到「目标世界状态」的一条路径。把每个世界状态看成图上的节点，每个 Action 看成一条带 Cost 的边，规划就退化成了图上的最短路——所以用 A* 很自然。

关键在于方向：GOAP 通常是从目标反向往回搜。先找哪个 Action 的 Effect 能满足 GoalState，再看这个 Action 的 Precondition 需要什么，把「满足这个 Precondition」当成新的子目标继续往回找，直到某个 Action 的 Precondition 为空（可以直接执行），这条链就接通了。

举个具体例子。假设目标是「拥有一间房子」，动作库里有 A~E 五个动作：

  1. 只有 E 的 Effect 是「拥有房子」，正好满足目标 → 当前 Plan：E
  2. E 的 Precondition 能由 B 和 D 满足，且 B 的 Cost 比 D 小，排在前面 → D → B → E
  3. B、D 的 Precondition 能由 A 和 C 满足 → A → C → D → B → E
  4. A、C 的 Precondition 为空，作为起点，链条接通 → 最终 Plan：A → C → D → B → E

这里有个容易忽略的不对称：Precondition 和 Effect 在匹配时逻辑不一样。Precondition 要求完全匹配（传入的 WorldState 必须和 Precondition 一致才算通过），而 Effect 用交集匹配（WorldState 与 Effect 的交集吻合即可）。原因就在于反向 A*——只要一个 Action 的 Effect 是当前目标的子集，就有资格成为路径上的一环。这个细节在自己实现规划器时是必踩的坑，具体到代码层面我在 UE 中实现 GOAP 里展开。

GOAP 对比行为树

维度行为树（Behavior Tree）GOAP
决策方式预定义的节点结构，逻辑路径固定运行时动态生成行动序列
可读性结构直观，好理解好调试行为在运行时才产生，难追踪
应对变化静态，容易显得机械、可预测动态适应环境，行为不易被玩家预测
扩展性AI 一复杂，树会膨胀到难以维护加一个 Action 不动其他逻辑，横向扩展好
性能遍历成本低每次规划都要跑一次搜索，成本高
实现复杂度低高

我的经验是：这不是「谁更先进」的问题，而是需求匹配的问题。AI 行为相对简单、或者开发时间紧，行为树更省心。GOAP 划得来的场景很具体：AI 要能对环境变化做出真实反馈，行为还不能让玩家几局就摸透套路——这种复杂度用行为树硬写会很快失控。

一个典型的适用场景是沉浸式潜行：AI 听到声音要去调查，发现同伴尸体会呼叫增援一起搜人，会找掩体、会协同作战。这类「每种情况都要有合理反应」的需求，用行为树硬写会爆炸，用 GOAP 描述成「目标 + 动作 + 前提/效果」反而清爽——代价就是那份规划开销，得靠工程手段压下去（限制参与规划的动作数量、对象池等，同样见实现篇）。

延伸阅读