随着计算机硬件计算速度大幅提升以及人们对游戏的玩法和体验要求的提高,游戏对人工智能的要求也越来越高。本文从游戏玩家的需求出发,研究智能Agent的路径规划算法和多Agent系统的协作和对抗方法,针对游戏中NPC群体的路径导航和行为控制中存在的问题,提出了新的解决方法,具体工作如下:首先,对比分析了几种游戏中常用的栅格化地图路径规划算法,并指出了A*算法的不足。相对于边缘受限制的路径搜索算法,任意角度路径搜索算法生成的路径更短、更真实。Theta*算法是任意角度路径规划算法的典型代表,然而该算法在运行时间和路径长度之间并没有达到最优的平衡,它的运行时间很短,但找到的路径却不是最优的。本文利用基于目标导向的启发式函数对Theta*算法生成的节点进行重新扩展,提出了改进Theta*算法。相对于其它路径搜索算法,改进Theta*算法在运行时间和路径长度之间有更好的平衡,在一定程度上提高了算法的执行效率和避障智能。其次,作为下一代游戏AI主流的行为树,近年来得到了广泛的研究。然而行为树在群体智能的支持方面还需要进一步的研究。本文利用行为树自身层次性的特点,结合多Agent系统自主决策和群体对抗方法,提出了一个基于行为树的多Agent行为控制系统,设计和实现了该系统中智能Agent的行为树和黑板系统以及基于行为树的分层决策的控制架构。结合Unreal Engine 4游戏引擎,开发了一款坦克大战游戏模拟智能Agent的路径导航以及多Agent系统的群体行为和AI控制,取得了比较理想的实验效果。