如今的大多数游戏中都会涉及到人工智能,其中的一些非玩家角色(NPC)尤其需要依靠人工智能去自主地完成一些任务,为了完成这些任务,NPC角色必定会在内存中存储这部分任务信息,以何种队列方式存储及读取这些任务数据是每一个游戏项目中都会碰到的问题。实验采用Unity3D软件设置了一个虚拟的环境,NPC按照一定的方式完成被布置在该空间中的各种不同任务。实验首先关注的是最常用的四种内存队列(短任务优先,随机,先进先出和后进先出),观察NPC在这些不同的队列算法下完成任务的表现。为了作出准确地评价,特别定义了吞吐量,延时性和公平性这三项性能指标。每一种队列都将在三种不同的任务发布频率下测试10轮,最终结果将被导入到统计软件中分析。实验结合统计学知识对测试结果进行了显著性方差分析及F值校验,结果显示P值小于0.01,证明实验具有统计学意义。统计概要表明使用短任务优先的队列吞吐量最大,而采用后进先出原则的队列延时性最好,以公平性这一指标来看采用随机原则则是最佳选择。基于这些结论,以兼顾三项性能指标为目的,重新设计了多级反馈式队列,该队列算法通过一定的任务划分及动态调整后,能较好地综合各基本队列算法的优点。经过同等条件下地测试表明采用新算法的队列拥有更好的综合性能以及应付更复杂人物组合的能力。除了单个NPC处理任务时的性能分析以外,对多个NPC之间的协作关系也进行了研究,并提供了具体的数据模型和解决方案。实验的结论可以帮助程序员在游戏中面对多任务处理的情况下,更好地利用内存处理各种不同的任务,减少开发时间,提高游戏运行效率与可玩性。研究成果不仅可以应用于游戏领域中,在大多数需要处理多任务的传统行业领域中也有一定的应用前景。