Search 到逃跑目标的寻路（追逐或追踪寻路）

我正在努力实现一个好的追逐器。我有一个曲棍球运动员需要追逐冰球。我可以预测下一个球员和冰球的位置。我试着使用转向行为，但没能找到一个很好的预测当冰球接近时的情况（例如，假设冰球以高速几乎朝向玩家。当冰球离玩家较远时，玩家只会稍微转一个角度。然而，当冰球靠近玩家时，它只是错过了玩家，最后两个三分之一的滴答声，玩家需要转大得多的角度才能仍然注视着冰球。当t有限制时他转过角度，冰球逃走了，球员什么也做不了。如果球开始提前转向，那就好了，但当我预测更多的步数时，球员倾向于开始转向远远落后于他的冰球位置……）。然后我打算使用*搜索。当冰球在前面时效果很好，冰球的速度比玩家的速度低。但是当冰球的速度更大时，它会成为一个逃逸目标。因此每次*扩展一个新状态时，它都会回过头来，发现在以前的状态下，冰球离玩家更近（冰球逃逸！），因此它更喜欢以前的状态并成为bfs。 所以我想有一个众所周知的解决方案，但我无法在谷歌上搜索任何东西，所以也许社区会帮助我。提前谢谢

---

更新：我想我基本上是重新发明了轮子。我现在做的是迭代冰球的位置。当我用相同的滴答数到达第一个位置时，我宣布胜利。这非常耗费资源，但我想不出更好的方法。

关于这个行为的部分很难理解了解目前的情况，但是关于

A*

问题，我认为你的问题是因为你的经纪人（球员）在动态环境中运行时，您必须在每个扩展步骤重新计算启发式，因为当然，由于冰球移动，前端状态的

h

值现在已过时。我是否已经接近了解您的问题了

---

好奇，你在用什么样的启发法？

我想你是对的。启发法是什么-大多数时候我只是尝试空中距离或空中距离加方向差。所以基本上我应该在我从边缘弹出任何东西时更新重量？所以我会弹出状态，检查启发法，如果它被更新，我会如果你正在执行实时A*你必须在每次移动到边缘状态（你的实际状态）之前都执行该操作。然后才选择最便宜的

g+h

。顺便说一句，在这个领域中，A*是不平凡的，而且有更好的解决方案。如果您正在寻找比A*/转向更先进的东西，您可以查看“移动目标”列出的算法我无法理解这种“不断的重新计算”。在我看来，这就像是在距离目标太远的地方跟随一个点。这与仅仅指向目标现在所在的位置有什么不同？相反，我想找到一种识别拦截路径的方法——即指向目标将位于目标所在的方向我什么时候到那里。不早不晚。以便能够拦截它。