近年来,随着计算机硬件软件水平的不断提高,电子游戏行业特别是网络游戏以及近两年的手机游戏也得到了飞速的发展,市场上各种游戏大作佳作层出不穷,供游戏开发者选用的各种游戏引擎也在以飞快的速度迭代更新。游戏图形技术作为游戏开发的基础,每年的技术都在更新,一款游戏的好坏与否很大程度上取决于图形技术,但是随着图形技术日趋极致,人们不再满足于优美绚丽的视听体验,转而追求更深层次的游戏内涵,于是游戏可玩性正成为游戏设计中重要的一环,而游戏的可玩性就集中体现在游戏的“人工智能”上。作为实现游戏可玩性的技术核心,以及众多商业游戏推广的卖点,游戏人工智能给予了玩家在游戏中与人工智能角色产生行为和情感交互的方式,将游戏体验带入更深层次的境界。本文对目前主要的游戏人工智能技术行为树技术进行了介绍和分析,包括介绍行为树与状态机、共享节点型行为树以及机器学习与行为树。本文在现有的行为树模型基础上提出了一种基于Q学习算法的非玩家角色行为树模型。通过在一般行为树、使用贪婪算法的Q学习行为树和带Q条件节点的Q学习行为树之间进行性能比较,证明了带Q条件节点的Q学习行为树的优越性本文设计与实现了一种基于Unity3D的通用游戏人工智能引擎。引擎结合了当前主流的游戏人工智能技术,适用于大多数游戏类型的人工智能开发,为游戏人工智能开发者提供了便利。本引擎总体架构设计分为三个层面：基础框架类、智能代理的三大组件模型以及消息系统,其中智能代理的结构主要包括决策系统、感知系统和行为系统。引擎同时对基本的游戏人工智能算法进行了封装,并提供了定制接口,开发者可以方便的调用相关的算法,也可以自己灵活进行定制化和扩展。