基于Perlin噪声的AI智能漫游与归巢机制设计

// 假设 SimplexNoise 是一个 Perlin/Simplex 噪声库
// currentPerlinTime 是一个随时间不断增加的浮点数，例如：
// currentPerlinTime += deltaTime * noiseSpeed;

// 为X轴生成偏移量
// uniqueSeedX 用于确保不同AI的漫游模式不同
float xSpawnOffset = SimplexNoise.noise(spawnX + uniqueSeedX + currentPerlinTime) * wanderMaxDistance;

// 为Y轴生成偏移量
// uniqueSeedY 用于确保不同AI的漫游模式不同，且与X轴的噪声模式不同
float ySpawnOffset = SimplexNoise.noise(spawnY + uniqueSeedY + currentPerlinTime) * wanderMaxDistance;

// 假设 origPos 是 AI 的原始生成点 (Vector2 类型)
Vector2 targetWanderPosition = new Vector2(origPos.x + xSpawnOffset, origPos.y + ySpawnOffset);

// 假设 pos 是 AI 的当前位置 (Vector2 类型)
// 假设 movementStrength 是 AI 的移动速度或力量

// 计算从当前位置指向目标漫游点的方向向量
Vector2 directionToTarget = targetWanderPosition.cpy().sub(pos);

// 归一化方向向量，然后乘以移动力量，得到最终的漫游力
Vector2 wanderForce = directionToTarget.nor().scl(movementStrength);

// 将 wanderForce 应用到 AI 的运动系统（例如，更新速度或位置）
// ...

public class AiWanderer {
    private Vector2 origPos; // AI的初始生成点
    private Vector2 pos;     // AI的当前位置
    private float wanderMaxDistance = 50.0f; // 漫游最大距离
    private float movementStrength = 2.0f;   // 移动力量/速度
    private float uniqueSeedX; // 每个AI实例独特的X轴噪声种子
    private float uniqueSeedY; // 每个AI实例独特的Y轴噪声种子
    private float currentPerlinTime = 0.0f; // Perlin噪声的时间输入
    private float noiseSpeed = 0.1f; // 噪声时间变化的速率

    public AiWanderer(Vector2 spawnPoint, float seedX, float seedY) {
        this.origPos = spawnPoint.cpy();
        this.pos = spawnPoint.cpy();
        this.uniqueSeedX = seedX;
        this.uniqueSeedY = seedY;
        // 可以初始化 currentPerlinTime 为随机值，增加多样性
        this.currentPerlinTime = (float) (Math.random() * 1000);
    }

    // 在游戏循环中每帧调用
    public Vector2 updateWanderForce(float deltaTime) {
        currentPerlinTime += deltaTime * noiseSpeed;

        // 1. 计算Perlin噪声偏移量
        float xSpawnOffset = SimplexNoise.noise(origPos.x + uniqueSeedX + currentPerlinTime) * wanderMaxDistance;
        float ySpawnOffset = SimplexNoise.noise(origPos.y + uniqueSeedY + currentPerlinTime) * wanderMaxDistance;

        // 2. 确定目标漫游点
        Vector2 targetWanderPosition = new Vector2(origPos.x + xSpawnOffset, origPos.y + ySpawnOffset);

        // 3. 计算实际移动力
        Vector2 directionToTarget = targetWanderPosition.cpy().sub(pos);

        // 如果AI已经非常接近目标点，可以稍微减速或引入少量随机抖动
        if (directionToTarget.len() < 1.0f) { // 接近目标点时
            // 可以选择在此处添加一个微小的随机力，防止完全静止
            // 或者直接返回一个较小的力
            return directionToTarget.nor().scl(movementStrength * 0.1f); // 减速
        }

        Vector2 wanderForce = directionToTarget.nor().scl(movementStrength);

        // 模拟应用力并更新位置 (这部分通常在AI的物理/运动组件中处理)
        // pos.add(wanderForce.scl(deltaTime)); // 假设 wanderForce 是速度，直接加到位置
        // 或者将 wanderForce 作为加速度，由物理引擎处理

        return wanderForce;
    }

    // 假设有一个 SimplexNoise 类提供 noise(float) 方法
    static class SimplexNoise {
        public static float noise(float coord) {
            // 实际的 SimplexNoise 实现，返回 -1 到 1 之间的值
            // 这里仅为示例，需要引入实际的噪声库
            return (float) Math.sin(coord * 0.5f); // 简化的伪噪声
        }
    }
}