世界征服者 - 网页版

一个基于HTML5 Canvas的回合制策略游戏，灵感来自经典游戏《世界征服者2》。

🎮 游戏特性

六边形地图系统 - 策略性更强的地形布局
多种单位类型 - 步兵、坦克、重型坦克、火炮、战斗机、轰炸机
回合制战斗 - 深度策略体验，包含地形加成和反击机制
经济系统 - 控制城市和地形获得收入
城市占领 - 步兵可占领中立或敌方城市
双AI观战模式 - 内置强力AI系统，可观战学习策略
强力AI玩家 - 基于博弈树搜索、影响地图和任务系统的高级AI

🤖 AI系统特性

本游戏提供两套AI系统：

标准AI（规则驱动）

三层战略架构（防守/扩张/进攻/压制）
动作评分系统
智能单位招募

强力AI（高级博弈）

Minimax搜索 - 博弈树搜索配合α-β剪枝
影响地图 - 量化分析地图态势和敌我优势区域
任务系统 - 自动生成防守、攻城、消灭、巡逻任务
静态评估 - 综合评估军事力量、经济实力、战略控制和战术态势
智能任务分配 - 为单位分配最适合的任务
动态兵力补充 - 根据战略需求智能招募单位

切换AI系统：在 game.js 第24行修改 useAdvancedAI 为 true（强力AI）或 false（标准AI）

🚀 快速开始

观战双AI对战

打开游戏

双击 index.html 或使用本地服务器

# Python 3
python -m http.server 8000
# 访问 http://localhost:8000

观战控制
- 暂停/继续：点击⏸️按钮或按空格键
- 调速：选择速度（极慢/慢速/正常/快速/极速）
- 快捷键：数字键1-5快速切换速度
观察学习
- 观察AI的战略决策（防守/扩张/进攻）
- 学习单位配合和地形利用
- 分析经济管理和兵力调配

切换AI难度

在 game.js 构造函数中修改AI难度：

new AdvancedAI(this, 0, 'hard')  // 可选: easy, normal, hard

启用强力AI

在 game.js 第24行：

const useAdvancedAI = true;  // true=强力AI, false=标准AI

🎯 游戏玩法

基础操作

左键点击 - 选择地块/单位
结束回合 - 点击右上角"结束回合"按钮

单位行动

移动 - 点击你的单位，然后点击目标地块
攻击 - 选择单位后，点击"攻击"按钮，再点击敌方单位
招募 - 在己方城市中点击"招募单位"，选择要招募的单位类型

单位属性

单位	费用	攻击	防御	移动	生命
步兵	100	5	3	2	10
坦克	300	10	8	3	15
火炮	250	12	2	1	8
战斗机	400	15	5	5	12

胜利条件

消灭所有敌方单位
占领所有城市
让敌人无力反击

📁 项目结构

world-conqueror/
├── index.html              # 主HTML文件
├── styles/
│   └── main.css           # 样式文件
├── js/
│   ├── config.js          # 游戏配置和数值
│   ├── utils.js           # 工具函数
│   ├── map.js             # 地图生成系统
│   ├── unit.js            # 单位系统
│   ├── player.js          # 玩家系统
│   ├── combat.js          # 战斗系统
│   ├── ai.js              # 标准AI（规则驱动）
│   ├── ai-advanced.js     # 强力AI（博弈树搜索）
│   ├── ui.js              # UI控制器
│   ├── game.js            # 游戏主循环
│   └── main.js            # 入口文件
└── README.md              # 说明文档

🧠 强力AI系统架构

1. 静态评估器（PositionEvaluator）

综合评估局势，权重分配：

军事力量（40%）：单位战斗力×血量×价值
经济实力（30%）：收入×3 + 金钱/100
战略控制（20%）：基地×500 + 城市×100
战术态势（10%）：地形优势 + 支援态势 + 威胁能力

2. 影响地图（InfluenceMap）

量化每个地块的敌我势力对比
单位影响力随距离衰减（衰减系数0.7）
识别薄弱区域（敌方优势）和强势区域（己方优势）
为任务生成提供态势分析

3. 任务系统（TaskSystem）

自动生成优先级任务：

防守基地（优先级1000+）：基地受威胁时
占领中立城市（优先级600+）：扩张经济
攻击敌方城市（优先级500+）：己方优势区域
消灭敌军（优先级400+）：孤立的敌方单位
巡逻（优先级200+）：薄弱区域防守

4. Minimax搜索（MinimaxSearch）

博弈树搜索深度2-3层
Alpha-Beta剪枝优化性能
动作预排序提高剪枝效率
限制分支因子（每单位前3个动作）

5. 任务分配算法

按优先级排序任务
为每个任务查找合适的单位（类型匹配+距离最近）
标记已分配单位和任务，避免重复调度
执行任务：移动到防御位置/占领城市/攻击敌军/巡逻

6. 智能招募策略

根据任务需求动态招募：

基地：优先轰炸机（40%）>重型坦克>战斗机

基地 / 城市价值一览

下面列出的数值来自代码中的评估与配置（用于AI评估、影响力图与状态评分）：

占领敌军空城（占领敌方城市且当前无敌方单位）：
- 终态目标价值（Objective Value）：+80 分（拥有城市时由 UnifiedEvaluator 计入）
- 步兵占领即时奖励：+40 分（UnifiedEvaluator.evaluateAction 中，步兵占领非己方城市时的即时评分）
- 影响力地图中的城市战略值：敌方城市为 -20，己方城市为 +20（InfluenceMap 扩散时使用）
攻击敌军城市（进攻、削弱或准备占领敌方城市）：
- 战术优先级：攻击城市通常会提高目标优先级（代码中对城市目标有额外权重，策略层在选择攻击/占领目标时会偏好城市）
- 致胜收益间接体现在占领后的 +80 目标价值与占领即时奖励 +40
占领中立城市（抢占中立点）：
- 终态目标价值：+80 分（同上，拥有城市的 Objective Value）
- 影响力地图中中立城市基础值：+15（用于局部战略影响扩散）
- 扩张评估加分：安全的中立城市在 evaluateExpansionOpportunity 中被计为 +25（视威胁情况而定）
防守城市（保住己方城市 / 驱逐威胁）：
- 位置价值（Tile position）：城市地块对单位位置价值有 +15 的基本加成（getTilePositionValue）
- 影响力地图中己方城市值：+20（用于控制/威胁判断）
占领基地（Capture Base）：
- 终态目标价值（Objective Value）：+150 分（UnifiedEvaluator 中对己方基地计入）
- 每回合收入：+200 金/回合（CONFIG.INCOME.BASE）
- 地块位置价值：基地在 getTilePositionValue 中对单位位置有 +30 的加成
- 占领耐久与速率：CAPTURE.BASE_DURABILITY = 20，CAPTURE.INFANTRY_CAPTURE_RATE = 5（步兵需 4 次占领动作完成占领）
- 影响力地图中的基地值：己方基地 +50，敌方基地 -50，中立 +10（用于战略扩散）
防守基地（Defend Base）：
- 基地威胁评估范围：evaluateBaseThreat 返回 0–100 的威胁值；当 >80 时战略层会进入 DEFEND 模式并触发紧急防御逻辑
- 基地在影响与位置上提供更高价值（位置价值 +30，影响力值 +50），因此防守优先级明显高于普通城市

注：README 中示例性文档可能还包含其它缩放或描绘（例如历史注记 基地×500 + 城市×100），但上面列举均以当前代码实现中的具体数值为准。

需要占领：招募步兵
需要防守：招募火炮
需要进攻：招募坦克/重型坦克

攻击奖励一览

下面列出代码中用于评估攻击动作的评分规则与具体数值（来源：UnifiedEvaluator.evaluateAction 与相关实现）：

单位基础价值（UnifiedEvaluator.unitValues）：
- INFANTRY: 30
- TANK: 60
- HEAVY_TANK: 90
- ARTILLERY: 50
- FIGHTER: 80
- BOMBER: 120
造成伤害的评分（按比例计入）：
- 公式： (action.damage / defender.stats.health) * defenderValue
- 含义：对高价值单位造成相同比例伤害会产生更高评分
击杀奖励：
- 当攻击导致目标死亡时，额外奖励 = defenderValue * 0.3（即目标单位价值的 30%）
远程攻击奖励：
- 对于远程/无反击的攻击，额外奖励 = +20 分（代码中用于鼓励远程消耗敌方）
反击损失惩罚：
- 公式：- (action.counterDamage / attacker.stats.health) * attackerValue * epsilon
- 其中 epsilon = 1.8（UnifiedEvaluator.weights.epsilon），用于放大反击造成的损失惩罚
自身被击毙惩罚：
- 若攻击导致己方单位死亡，惩罚 = - attackerValue * 1.5

示例：若对一辆价值 60 的坦克造成 30 伤害（坦克最大生命假设为 60），则伤害评分≈(30/60)60 = 30 分；若该次攻击击杀该坦克，则再获得 +600.3 = +18 分；若己方单位在反击中损失血量，则按反击惩罚公式扣分。

注：以上均为当前代码实现使用的评分公式与常数；如果需要我可以把这些数值也显示到游戏 UI 的地块或战斗信息面板中。

🔧 自定义和扩展

修改地图大小

在 js/config.js 中修改：

MAP_COLS: 20,  // 列数
MAP_ROWS: 12,  // 行数

添加新单位

在 js/config.js 的 UNIT_TYPES 中添加：

NEW_UNIT: {
    name: '新单位',
    cost: 500,
    attack: 20,
    defense: 10,
    movement: 4,
    health: 20
}

调整游戏难度

修改 js/config.js 中的：

STARTING_MONEY: 1000,   // 起始金钱
STARTING_INDUSTRY: 50,  // 起始工业
TURN_INCOME: 100        // 每回合收入

🎨 未来功能计划

🔬 技术亮点

AI算法

Minimax搜索：经典博弈树搜索算法，适用于零和游戏
Alpha-Beta剪枝：显著减少搜索节点，提升性能
影响地图：受RTS游戏AI启发的空间分析技术
任务驱动架构：分层决策系统，战略→战术→行动

游戏机制

六边形坐标系统：轴坐标表示（Axial Coordinates）
战斗公式：平方根效能曲线模拟单位损伤
地形系统：攻击加成+防御加成，丰富战术选择
经济平衡：固定收入生成，避免随机性影响测试

🛠️ 技术栈

HTML5 Canvas - 游戏渲染
原生JavaScript - 无框架依赖，纯ES6+
CSS3 - 现代化军事风格UI
AI算法 - Minimax搜索、影响地图、任务系统

📊 性能优化

强力AI性能

搜索深度限制：2-3层
分支因子控制：每单位前3-5个动作
动作预排序：优先搜索高价值动作
Alpha-Beta剪枝：平均减少60-70%节点搜索
采样移动目标：不枚举所有可达格

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
js		js
styles		styles
AI系统设计文档.md		AI系统设计文档.md
AI观战模式说明.md		AI观战模式说明.md
README.md		README.md
benchmark.html		benchmark.html
index.html		index.html

Folders and files

Latest commit

History

Repository files navigation

世界征服者 - 网页版

🎮 游戏特性

🤖 AI系统特性

标准AI（规则驱动）

强力AI（高级博弈）

🚀 快速开始

观战双AI对战

切换AI难度

启用强力AI

🎯 游戏玩法

基础操作

单位行动

单位属性

胜利条件

📁 项目结构

🧠 强力AI系统架构

1. 静态评估器（PositionEvaluator）

2. 影响地图（InfluenceMap）

3. 任务系统（TaskSystem）

4. Minimax搜索（MinimaxSearch）

5. 任务分配算法

6. 智能招募策略

基地 / 城市 价值一览

攻击奖励一览

🔧 自定义和扩展

修改地图大小

添加新单位

调整游戏难度

🎨 未来功能计划

🔬 技术亮点

AI算法

游戏机制

🛠️ 技术栈

📊 性能优化

强力AI性能

实测表现

🎓 AI设计参考

博弈树搜索

影响地图

回合制游戏AI

📝 开发笔记

六边形坐标系统

战斗系统

🤝 贡献

📄 许可证

🎓 学习资源

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

基地 / 城市价值一览

Packages