Artificial intelligence 对Tron来说很好的启发

我有一个任务是用人工智能做一个电子游戏。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。我们教过沃罗诺，但有点慢：

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

对于从0到1的高度
对于xloop=0到宽度-1
//生成最大值
最近距离=宽度*高度
对于点=0到点的个数-1
//调用函数来计算距离
点距离=距离（点、xloop、yloop）
如果点距离<最近距离
最近点=最近点
如果结束
下一个
//将结果放置在点类型数组中
点[xloop，yloop]=点
下一个
下一个

我们有5秒钟的时间移动，这个算法听起来不太好！我不需要密码。。。我们只需要一个想法！ 谢谢大家!

---

稍后编辑：我们应该尝试Delaunay三角剖分吗

看看这一点。

我正在考虑重新设计我的旧Wurmeler游戏（包括AI），所以我在寻找新想法的同时一直在问你这个问题，下面是我对旧AI的见解

• Wurmeler和tron很相似，但很多斯洛维尔人和蠕虫都能顺利转动
• 游戏空间是2D位图
• 每个人工智能都非常简单。。。愚蠢的
• 但导航比我好
• 除非被其他玩家关闭
• 或挤入局部最小/最大值
• 但它们仍然很有趣

好的，现在每个决策动作中的AI算法：

从蠕虫中创建一些光线

• 一个在运动方向
• 很少有人向左拐了一个角度（5度台阶就可以了）
• 很少有人向右转

计算光线长度

• 从蠕虫到它到达边界
• 或另一条蜗杆路径曲线

使用最大值规则更改标题

这个旧AI只维护导航，但我想实现更多（这还没有完成）：

将地图分成正方形部分

• 每个部分将具有已填充空间的平均密度
• 因此，如果可能，AI将选择填充较少的区域

添加策略

• 导航（已完成）
• 逃跑（如果距离太近或太远，请远离附近的玩家）
• 攻击（如果在相对平行的路线上，且距离太近且在前方）

可以从光栅转换为矢量

• 应该加速射线追踪和结肠炎检测
• 但随着长度的增长，速度可能会变慢。。。我得试试看
• 字段算法的可能使用

---

任何让您能够查询快速邻居的数据结构都在那里工作。查找KD Trees/Quad-Trees.Hmmmm。。。谢谢我看一下：）。我看了那篇文章。根本帮不了我们：））