Question

我已经了解了A *，BFS，DFS，并且可以很好地实现它们。但是，当我尝试解决pacman路径查找问题时会出现一些问题。让我们假设只有两种类型的迷宫：一种是完整的物品，因为没有空白的方块，一切都是pacman或物品收集或墙;一个只有少数项目（4个或更少）。

如果要收集多个项目，BFS和DFS究竟是如何实现的？在这种情况下，它们仍能产生最佳效果吗？
完整项目地图的最佳算法/启发式是什么？到目前为止，我想出的是贪婪的启发式，但由于地图上有太多的东西要收集，所以它很随意，因此，解决这样的迷宫不是一个好主意。
在少数项目地图中使用A *，是否有任何好方法可以确定应该首先采取哪个项目？我想过尝试使用Mahattan距离作为粗略估计，但这听起来并不正确，尤其是在一些棘手的情况下。

Answer 1

如果添加更多食物，算法不会改变。唯一改变的是国家空间。你必须想出一种代表你的问题的新方法。当你只吃一份食物时，你只需要pacman的x，y位置。例如，当您有3个点吃时，您必须将这些信息添加到模型中。您可以添加3个布尔变量来指示pacman已通过该点。现在，状态空间是由以下类型的节点组成的图形：

 ((x,y),FALSE,FALSE,FALSE) -> state that indicates that pacman has not eat any food
 ((x,y),FALSE,TRUE,FALSE) -> state that indicates that pacman has eat only one food
 ((x,y),TRUE,TRUE,TRUE) -> this is the goal state

要解决此问题，您只需在新模型中运行相同的算法。 BFS和A *将始终为您提供最佳解决方案。问题是：你放的食物越多，找到解决方案的速度就越慢。所以这些算法不会在合理的时间内给出答案。你已经想到了这样做的新方法。

Answer 2

1）在这种情况下使用BFS或DFS时遇到的问题是这最终会导致效率低下，特别是在完整的地图示例中。要使任一算法与多个目标一起使用，您可以构建搜索，以便在找到第一个路径后不会结束，但是这仍然不能为地图上的每一块食物提供“最佳”路径，或者你可以做一个从pacman到最近的食物的路径，那些食物到下一个最近的地方等，找到那些路径，然后比较那些以找到真正的最佳路径，但我不想考虑这会有多长取。

2）我可能会坚持使用贪婪的A *，只看最近的食物（在大多数情况下我看不到曼哈顿距离的问题，因为pacman的地图已经是一个网格;它会是对于挡住Pacman无法进入最近的边缘情况的次优，但这是一个难以解决的问题。曼哈顿将是一个体面的，可能通过食物密度而不仅仅是距离来修改，例如：（曼哈顿距离）/（3x3平方食物内的食物总量）

3）如果没有在每个项目上使用寻路，那么选择最短的，我认为曼哈顿在少数项目场景中会做得很好。它并不总是选择最好的，但100％最佳的AI通常不是游戏的最佳目标。

在这种情况下，我想尝试贪婪的A *，重量有利于物品群，作为一种简单，快速的解决方案。

更复杂的解决方案应该更接近Pacman遵循的最佳路径将使用算法来查找Minimum Spanning Tree http://en.wikipedia.org/wiki/Minimum_spanning_tree但我不知道实施起来有多容易。这是一个讨论两个最小生成树算法的优点的问题：Kruskal vs Prim

pacman路径发现的一些问题

2 个答案: