درخت رفتار یک ساختار داده است که در آن ما قوانین نحوه رفتار خاص را تنظیم و تعیین میکنیم که با چه نظمی اجرا شود. اصطلاح درخت به این دلیل انتخاب شده چون از قوانین سنتی ساختار داده درخت در علوم پایه استفاده میکند. این درخت یک سری گره دارد که از ریشه شروع میشود و توسط اتصالات به گرههای دیگر پیوند داده میشود.

درخت رفتار یا Behavior Tree مجموعهای از گرههایی (nodes) است که به یکدیگر متصل هستند، اما در هر حالت یک جهت ثابت وجود دارد و دستور برنمیگردد یا تکرار نمیشود. منطق از پایین به بالا است ، یک بخش خاص که مجموعهای از یک یا چند گره که یک رفتار خاص در آن جریان دارد که باید اجرا شود.

گرهای که توسط دیگری در بالای آن متصل شده است، آن گره را فراخوانی میکند. به گره بالایی، گره والد و به هر گرهای که زیر آن پیوند داده میشود گره فرزند نامید میشود. نحوه انتخاب یک رفتار براساس نحوه حرکت آن به سمت پایین درخت و گرهها است. به طور معمول گرهها چهار نوع دارند. ابتدا گره ریشه (Root) وجود دارد که در بالا درخت است و هیچ والدی ندارد و همیشه فزرند دارد که عمل برای انجام از آن آغاز میشود.گره بعدی گره برگ(Leaf) است این گره همان جایی است که ما رفتارهای هوش منصوعی را قرار میدهیم. مثل دویدن به یک موقعیت ثابت ، شلیک به دشمن یا تعامل با یک شی . این گره برعکس گره ریشه است، فقط می تواند والد داشته باشد و هیچ فرزندی نداشته باشد. سپس گرههای مرکب یا کامپوزیتی را داریم این گرهها که جریانی که از درخت حرکت میکند را کنترل میکنند. دو نوع اصلی از این گرهها وجود دارد:
گره انتخابگر(Selector) : این گره تصمیم میگیرد کدام فرزند را براساس منطق موجود در جهان را اجرا کند. برای مثال اگر دشمن خیلی دور باشد گره فرزندی را که حمله با چاقو است را اجرا نمیکند و تصمیم میگیرد گره فرزندی را که استفاده از اسلحه است را اجرا کند.
گره توالی(Sequence): این گره امکان اجرا چندین گره فرزند را به ترتیب یکی پس از دیگری را دارد. برای مثال فرض کنید شما در زیر آتش دشمن هستید و میخواهید به سمت پوشش بدوید ، مخفی شوید سپس اقدام به تیراندازی کنید.

تزئینی (Decorator): این گره منطق موجود در گره فرزند را دریافت کرده و سپس آن را تغییر میدهد. این کار باعث میشود که اقدامات را تکرار کنیم، یا اینکه عکس منطق تصمیم گیری کنیم.

همانطور که در شکل بالا مشاهده میکنید شروع به تجسم این طرح و اجرای آن آسان است.
وقتی درختان رفتاری برای اولین بار ابداع شدند، ایده این بود که هر فریم از یک ریشه بروزرسانی به نام تیک اجرا میکند، سپس سیستم در درون درخت به دنبال گره فعال میگردد و دوباره چک میکند که کدام گره در طول مسیر باید فعال باشد این کار زمان بر است. مخصوصا زمانی درخت بزرگتر میشود، بنابراین امروزه درخت اشارگر به گره فعال را حفظ میکند و حواس درخت به گرهای که پردازش تیک را انجام میدهد است و اگر پردازش به اتمام رسید درخت چک میکند که کار بعدی چیست.
یک مولفه دیگر که درخت رفتار از آن استفاده میکند تخته سیاه (Black board) است. تخته سیاه برای ذخیره دادههای مفیدی که درخت از آن برای قسمتی از رفتار چند گره استفاده میکند. موقعیتهای دشمن ، نزدیکترین پوشش، نزدیکترین خودرو، کاپیتان مرده است؟و آیا زیر آتش دشمن هستیم؟ مثالهایی هستند که در تخته سیاه ذخیره میشوند. همچنین از تخته سیاه میتوان برای چندین درخت رفتار استفاده کرد. این باعث آسان شدن اشتراک اطلاعاتی که هوش مصنوعی برای چندین شخصیت خود استفاده میکند میشود. برای مثال یکی از شخصیتهایی که توسط هوش مصنوعی کنترل میشود این سوال را مطرح میکند که بازیکن اصلی کجاست؟ سپس از تخته سیاهی که توسط درختهای رفتار دیگر به اشتراک گذاشته شده پاسخ سوال را پیدا میکند.