AI与游戏——吃豆人（3）基本的路径规划算法（上）

这次我们来讲一下代码中涉及的一些路径规划算法，在这个游戏中，路径规划虽然不属于人工智能但是确实实现AI算法不可或缺的基础方法，下面就来大致介绍一下有哪些主要的方法以及这些方法的实现。

（1）getApproximateNextMoveTowardsTarget：这个实现的是得到是起始点到目标点的大致的运动，为什么叫大致呢，因为这里没有考虑障碍物等因素。这个函数还可以用在A*算法上（A*算法后面会专门讲）。代码如下：

public MOVE getApproximateNextMoveTowardsTarget(int fromNodeIndex, int toNodeIndex,            MOVE lastMoveMade, DM distanceMeasure) {        MOVE move = null;        double minDistance = Integer.MAX_VALUE;        for (Entry<MOVE, Integer> entry : currentMaze.graph[fromNodeIndex].allNeighbourhoods.get(                lastMoveMade).entrySet()) {            double distance = getDistance(entry.getValue(), toNodeIndex, distanceMeasure);            if (distance < minDistance) {                minDistance = distance;                move = entry.getKey();            }        }        return move;    }

参数分别是：起始点，目标点，上一次运动方向，距离度量方法。这里有个上一次运动方向作为参数，说实话，这个for循环的条件语句可以说是非常难搞懂，其实allNeighbourhoods这里是一个MAP里面又嵌套了一个MAP，准确的说是 < MOVE, < MOVE, index > > 这种形式，第一个MOVE是可到达fromNode的移动，第二个是fromNode可以执行的移动以及执行该移动所到达的点，但是不包括前一个MOVE。举个例子，对于左上角坐标（0，0）的点，可以到达的移动为从（0，1）向左，从（1，0）向上，或在（0，0）保持不动，所以第一个MOVE为left，up，neutral三个（由于neutral只有特定情况才执行所以后面就不再考虑），而对于left，left->< down, (1,0) >，所以当遍历left的value的时候，就没有right这个值，只有向下走，同理，up->< right, (0,1) >。这样在选择路径时不用再考虑之前的移动。接着得到所有除了上一步的点之外其余可以行走的点，然后求与目标点的欧氏距离，距离最小的那个对应的MOVE即为所选。

（2）getNextMoveTowardsTarget：这个跟之前的差不多，不同的是这个考虑的MOVE考虑之前一步的MOVE了，也就是说，对于fromNode，所有可行走的方向都用于计算距离。上一个主要用于魔鬼的到达目标路线规划，这个一般用户吃豆人的。

for (Entry<MOVE, Integer> entry : currentMaze.graph[fromNodeIndex].neighbourhood.entrySet())

这里只给出不同的循环语句，可以看到从之前的allNeighbourhoods，变成了neighbourhood，后者是结构是< MOVE, INDEX >，为走法与可到达的点组成的MAP。

（3）getApproximateNextMoveAwayFromTarget：这个跟第一个也差不多，只不过之前求的是最小距离，这个求最大距离。

（4）getNextMoveAwayFromTarget：这个不解释了，想想也知道不同之处了。。。

以上都是得到大致方向的方法，那么有没有得到准确路径的方法呢，当然有，就先放到下一部分再说吧。