Java 塔防系统最优路径搜索算法

A读过A*和D*以及类似的东西，我无法在它们之间做出选择。当它包含许多搜索时，最好的搜索算法是什么？每个刻度50次搜索，并且有许多不同的可能性？

可能是一个不错的选择。Q-Learning试图绘制出一个惩罚/收益的网格，在有限的世界中做出局部决策可能会遇到这些惩罚/收益。

可能是一个不错的选择。Q-Learning试图绘制出一个惩罚/收益的网格，在有限的世界中，做出局部决策会遇到这些惩罚/收益。

在这两者之间，我选择D*。D*特别假设最佳路径，但如果遇到障碍，则重新计算。这意味着，每个爬行者都可以拥有自己的出口路径个人视图，当爬行者遇到障碍时，该视图会更新

在行为调整的情况下，对最佳路径的这种假设更为现实，就好像你或我在这条路上行走一样，在了解障碍之前，我们不会避开障碍。这也很好地解释了玩家建造新塔时的路径重新计算。如果你能很好地平衡开放节点的扩展，你甚至可能会有爬行动物在塔的两侧行走，并集中在最佳路径上

---

然而，如果你真的想让它变得有趣，就采取一种基于学习的最佳路径发现方法。比其他解决方案有趣得多。要查看示例，请查看antbuster之类的内容。也许它太有趣了，不太适合标准的塔防游戏类型。

在两者之间，我选择D*。D*特别假设最佳路径，但如果遇到障碍，则重新计算。这意味着，每个爬行者都可以拥有自己的出口路径个人视图，当爬行者遇到障碍时，该视图会更新

在行为调整的情况下，对最佳路径的这种假设更为现实，就好像你或我在这条路上行走一样，在了解障碍之前，我们不会避开障碍。这也很好地解释了玩家建造新塔时的路径重新计算。如果你能很好地平衡开放节点的扩展，你甚至可能会有爬行动物在塔的两侧行走，并集中在最佳路径上

---

然而，如果你真的想让它变得有趣，就采取一种基于学习的最佳路径发现方法。比其他解决方案有趣得多。要查看示例，请查看antbuster之类的内容。可能太有趣了，以至于它不太适合标准的塔防游戏类型。

高度相关：BlueRaja您的链接非常有趣。感谢分享。高度相关：BlueRaja您的链接非常有趣。谢谢分享。