LOD（Level Of Detail）是3D渲染中用到的概念，按照wikipedia上的翻译，可以译为“细节层次”，它是一种根据与观察点的距离，来减低物体或者模型的复杂度来提升渲染效率的优化技术，因为显而易见的是，当一个物体离我们很远的时候，我们不需要用很复杂的多边形来绘制，只要用一个粗略模型或者低精度的贴图即可，所以在3D渲染中，这是一个很常见的优化技术。
对于AI来说，当一个AI对象离我们很远的时候，其实，它做出什么样的决策，做出什么样的行为，我们并不能“感觉的”到，虽然它的行为可能会对游戏世界有影响，但玩家一般只会专注于离自己比较近的AI行为，所以我们在AI的优化中，也可以采用这种“LOD”的技术，来提升AI部分的运行效率。
我在玩真三国无双的时候，对此非常有感触，虽然我并不知道他是否在AI层做了LOD，但类似于这种大场景，超多NPC的游戏，AI层的LOD的优化技术就非常适合。同样的NPC，当他离玩家不同的距离的时候，我们就可以赋予它不同的AI行为，如下表所示:
- 近：攻击，防御，追踪，掩护，包围，等待，…
- 中：追踪，包围，等待，…
- 远：等待，…
一般来说，AI候选的行为越多，它决策所花费的时间也越多，根据这样的假设，我们就可以通过限制AI行为的方式，来起到提升效率的作用。上面说的是一种LOD的方式，还有一种实现方式是减少AI的决策频率，这也是我以前讨论过的AI中的懒惰问题，比如如下表:
- 近：攻击，防御，追踪，掩护，包围，等待，…（0.1秒决策一次）
- 中：攻击，防御，追踪，掩护，包围，等待，…（1秒决策一次）
- 远：攻击，防御，追踪，掩护，包围，等待，…（5秒决策一次）
我们可以根据需要来混合使用上面两种方式。说到这里，我想大家脑海中会有一个自己的代码实现框架，我也想了一种，可以用到我经常说的行为树的方式来实现，行为树最好的就是可以任意的添加行为分支，所以可以说，对于第一种的LOD实现是天生支持的，我们只要建立三个行为分支表示近，中，远，并且在这三个分支下，挂上不同的候选行为，这样，我们就建立了一棵带LOD优化功能的行为树，如下图：
对于第二种LOD实现，我们可以创建一种新的控制节点（回忆一下控制节点的概念），可以称之为LazyNode，这是一个一元的节点，它的功能就是维护一个时钟，当时间一到就执行它的子节点。同样的，我们用LazyNode，也建立近，中，远三个行为分支，然后在下面挂上相关的行为子节点，如下图：
可以看到，如果我们用行为树，就不需要用什么附加的模块来做LOD优化，而是用行为树强大的扩展能力把这些直接整合进了AI结构中，这种不破坏结构，从架构层面的优化方式，是我相当推崇的。
LOD是一种懒人化的优化方式，无论是概念还是实现都非常简单，当然，所有这些都是以不破坏游戏性为前提的，有时，我们有可能需要远处的AI做一些复杂的决策，比如，在即时战略游戏中，虽然我们AI离我们很远，但它确实需要做一些完整决策，在这种情况下，LOD可能并不是很适用，所以，AI中的一些问题没有一成不变的解决方案，实际情况，实际分析是相当之重要的:)，大家对AI优化有什么心得呢，欢迎大家留言讨论。
————————————————————————
作者：Finney
Blog：AI分享站(http://www.aisharing.com/)
Email：finneytang@gmail.com
本文欢迎转载和引用，请保留本说明并注明出处
————————————————————————
作者：Finney
Blog：AI分享站(http://www.aisharing.com/)
Email：finneytang@gmail.com
本文欢迎转载和引用，请保留本说明并注明出处
————————————————————————
LOD在网游中的AI还适用么？
原来ai也可以用lod，长见识了啊
LOD在AI中好像用处不大
比较大的是: 如果距离玩家一定距离,压根就不做任何AI相关的运算
你说对，可能用处是不大，不过有时，即使有段距离，还是要做一点AI决策，总而言之，还是要看情况和游戏需求，以及profile的结果:)
您好，刚看了您的文章，很受益。这里有一个问题：
LOD在渲染方面是有很明显的优化效果的。但在AI方面，AI在做决策选择的时候，其实只是一堆条件的判断，您这里所说的优化其实是条件判断优化，而这些条件判读的优化其实是很有限的，甚至可能是感觉不到优化效果的，而很大部分的时间都是消耗在决策选择以后的行为内部处理。每个个体当前都有一个行为状态，无论是否有决策更改，这些行为内部的消耗其实都是差不多的。所以很想知道您所提到的优化技术是否在实际中得到应用，效果怎样？谢谢！
谢谢你对本站的关注。
你说的很对，在决策部分做LOD，也是需要看情况的，当AI的效率瓶颈不在决策层的时候，那就没有必要这样做。LOD的应用主要是针对那种在开阔场景同时有很多NPC，还有就是当使用到一些相对比较费时的决策算法的时候，我在实践中写过一种基于模糊逻辑的决策，就是以前博客里也有提过的打分系统，它需要根据周围的情况做很多的分数计算，当有比较多的NPC做这种决策的时候，会影响到AI部分的效率，首先我优化了计算和算法，然后再采用LOD，效果就好很多了。