Tron的良好启发式

Question

我有一个与人工智能的tron游戏。我和我的团队几乎成功了，但我们正试图找到一个好的启发式方法。我们教过Voronoi，但它有点慢：

for yloop = 0 to height-1
for xloop = 0 to width-1

// Generate maximal value
closest_distance = width * height

for point = 0 to number_of_points-1
  // calls function to calc distance
  point_distance = distance(point, xloop, yloop)

  if point_distance < closest_distance
    closest_point = point
  end if
next

 // place result in array of point types
 points[xloop, yloop] = point

next
next

我们有5秒钟的时间来移动，这个算法听起来不太好！我不需要代码......我们只需要一个ideea！ 谢谢！

稍后编辑：我们应该尝试Delaunay Triangulations吗？

Answer 1

请查看the postmortem of Google's AI Challenge。

Answer 2

好吧，我正在考虑重新设计我的旧Wurmeler游戏（包括AI），所以我在搜索新想法时难以接受你的问题，所以这是我对旧AI的见解

• Wurmeler类似于tron，但是更多的摇摆和蠕虫变得顺畅
• 游戏空间是2D位图
• 每个AI都非常简单......愚蠢，......
• 但比我更好地导航
• 除非他们被其他玩家关闭
• 或粉碎到本地min / max
• 但他们仍然很有趣

现在确定每个决策中的AI算法：

1. 从蠕虫中创建一些光线

   • 一个在运动方向
   • 几个角度向左转（5度台阶很好）
   • 很少转向右边

2. 评估光线长度

   • 从蠕虫到边界
   • 或其他蠕虫路径曲线

3. 使用最大规则更改标题

这个旧的AI只维护导航但我想实现更多（这还没有完成）：

1. 将地图划分为方形区域

   • 每个部分将具有已填充空间的平均密度
   • 所以如果可能，AI会选择较少的填充区域

2. 添加策略

   • 导航（已完成）
   • 逃离（如果离得太近而远离近处球员）
   • 攻击（如果在相对平行的路线上，太靠近并且在前面）

3. 可能是从栅格转换为矢量

   • 应加快光线追踪和整理检测
   • 但随着长度的增长可能会变慢......必须尝试并看到
   • 可能使用字段算法