Graph 如何通过收集最多的项目来击败迷宫中的贪婪搜索算法？

首先我来解释这个问题。我有一个玩家在一个封闭的迷宫里，里面装满了他应该收集来赢得比赛的物品。我们还有一个对手，他也尝试着做同样的事情。收集物品最多的玩家获胜。假设对手按照BFS算法收集物品，我们可以访问其每一回合的所有决定，我们可以预测迷宫中的哪些物品应该首先进入（这样它就不会有机会让物品靠近它），或者只是锁定一个物品更密集的位置

感觉随机性也会对这一点产生非常严重的影响（例如，大多数物品落在对手旁边）。如果对手采用A*算法呢

我已经为我们的玩家实现了一个A*算法。首先，我使用曼哈顿距离启发式地寻找最近的物品，然后我去收集它并再次寻找新的最近的物品，等等。我觉得“寻找最近的物品”方法可能没有那么有效，可能是针尖指向（不知怎的，哈哈）正如我所说的，物品密集的地方更好

def astar（开始、项目、mazeMap）：
#mazeMap是一个包含节点的字典，并作为每个节点的键
与另一个包含邻居作为键的字典相关联
并将边的权重作为值传递给它们
#items是一个给出每个项目位置的成对列表
#明显目标
#目标是一对（最近的项目，距离最近的项目）
目标=最近的项目（开始，项目）
#不再需要检查的节点集
#closedSet={node:[gscore，fscore]}
closedSet={}
#潜在短路径节点集
#openSet={node:[gscore，fscore]}
openSet={开始：[0，目标[1]]}
#设置以构造最佳路径
cameFrom={}
而len（openSet）>0：
#正在查找具有最小fscore的节点
当前=列表（openSet.keys（））[0]
对于键，openSet.items（）中的值：
如果值[1]=开放集[keys][0]：
持续
#此新路径比上一条更好，请保存它！
cameFrom[键]=当前
openSet[keys][0]=暂定的\u gscore
openSet[keys][1]=暂定的\u gscore+曼哈顿距离（keys，目标[0]）
返回“不可能”