Standardowe wyszukiwanie ścieżek jest wystarczające - Twoje stany to Twoja bieżąca lokalizacja + Twoje aktualne zapasy. „przeprowadzka” to albo szatnia, albo ekwipunek. Nie ujęta w tej odpowiedzi, ale nie za dużo dodatkowego wysiłku, pisze dobrą heurystykę dla A * - może naprawdę przyspieszyć wyszukiwanie, woląc podnosić przedmioty niż oddalając się od niego, woląc odblokować drzwi w pobliżu celu poszukiwanie długiej drogi itp.
Ta odpowiedź zyskała wiele pozytywnych opinii od samego początku i zawiera wersję demonstracyjną, ale w przypadku znacznie bardziej zoptymalizowanego i wyspecjalizowanego rozwiązania należy również przeczytać odpowiedź „Robienie tego wstecz jest znacznie szybsze” /gamedev/ / a / 150155/2624
W pełni funkcjonalny dowód koncepcji JavaScript poniżej. Przepraszam za zrzut w postaci zrzutu kodu - faktycznie go zaimplementowałem, zanim przekonałem się, że to dobra odpowiedź, ale wydaje mi się dość elastyczny.
Na początek, myśląc o wyszukiwaniu ścieżek, pamiętaj, że dziedziczenie prostych algorytmów wyszukiwania ścieżek to:
- Szerokość Pierwsze wyszukiwanie jest tak proste, jak to tylko możliwe.
- Algorytm Djikstry jest podobny do pierwszego wyszukiwania szerokości, ale ma różne „odległości” między stanami
- A * to Djikstras, w którym masz „ogólne poczucie właściwego kierunku” dostępnego jako heurystyka.
W naszym przypadku po prostu kodowanie „stanu” jako „lokalizacji + ekwipunku” i „odległości” jako „użycia ruchu lub przedmiotu” pozwala nam użyć Djikstry lub A * do rozwiązania naszego problemu.
Oto rzeczywisty kod demonstrujący Twój przykładowy poziom. Pierwszy fragment jest tylko dla porównania - przejdź do drugiej części, jeśli chcesz zobaczyć ostateczne rozwiązanie. Zaczynamy od implementacji Djikstry, która znajduje właściwą ścieżkę, ale zignorowaliśmy wszystkie przeszkody i klucze. (Wypróbuj, możesz zobaczyć, że to tylko linie wykończenia, z pokoju 0 -> 2 -> 3-> 4-> 6-> 5)
function Transition(cost, state) { this.cost = cost, this.state = state; }
// given a current room, return a room of next rooms we can go to. it costs
// 1 action to move to another room.
function next(n) {
var moves = []
// simulate moving to a room
var move = room => new Transition(1, room)
if (n == 0) moves.push(move(2))
else if ( n == 1) moves.push(move(2))
else if ( n == 2) moves.push(move(0), move(1), move(3))
else if ( n == 3) moves.push(move(2), move(4), move(6))
else if ( n == 4) moves.push(move(3))
else if ( n == 5) moves.push(move(6))
else if ( n == 6) moves.push(move(5), move(3))
return moves
}
// Standard Djikstra's algorithm. keep a list of visited and unvisited nodes
// and iteratively find the "cheapest" next node to visit.
function calc_Djikstra(cost, goal, history, nextStates, visited) {
if (!nextStates.length) return ['did not find goal', history]
var action = nextStates.pop()
cost += action.cost
var cur = action.state
if (cur == goal) return ['found!', history.concat([cur])]
if (history.length > 15) return ['we got lost', history]
var notVisited = (visit) => {
return visited.filter(v => JSON.stringify(v) == JSON.stringify(visit.state)).length === 0;
};
nextStates = nextStates.concat(next(cur).filter(notVisited))
nextStates.sort()
visited.push(cur)
return calc_Djikstra(cost, goal, history.concat([cur]), nextStates, visited)
}
console.log(calc_Djikstra(0, 5, [], [new Transition(0, 0)], []))
Jak dodajemy elementy i klucze do tego kodu? Prosty! zamiast każdego „stanu” zaczyna się tylko numer pokoju, teraz jest to krotka pokoju i nasz stan inwentarza:
// Now, each state is a [room, haskey, hasfeather, killedboss] tuple
function State(room, k, f, b) { this.room = room; this.k = k; this.f = f; this.b = b }
Przejścia zmieniają się teraz z krotki (koszt, pokój) w kratę (koszt, stan), więc mogą kodować zarówno „przejście do innego pokoju”, jak i „podniesienie przedmiotu”
// move(3) keeps inventory but sets the room to 3
var move = room => new Transition(1, new State(room, cur.k, cur.f, cur.b))
// pickup("k") keeps room number but increments the key count
var pickup = (cost, item) => {
var n = Object.assign({}, cur)
n[item]++;
return new Transition(cost, new State(cur.room, n.k, n.f, n.b));
};
wreszcie wprowadzamy drobne zmiany związane z typem w funkcji Djikstry (na przykład nadal dopasowuje tylko numer pokoju docelowego zamiast pełnego stanu) i otrzymujemy pełną odpowiedź! Zauważ, że wydrukowany wynik najpierw idzie do pokoju 4, aby podnieść klucz, następnie idzie do pokoju 1, aby podnieść pióro, następnie idzie do pokoju 6, zabija bossa, a następnie idzie do pokoju 5)
// Now, each state is a [room, haskey, hasfeather, killedboss] tuple
function State(room, k, f, b) { this.room = room; this.k = k; this.f = f; this.b = b }
function Transition(cost, state, msg) { this.cost = cost, this.state = state; this.msg = msg; }
function next(cur) {
var moves = []
// simulate moving to a room
var n = cur.room
var move = room => new Transition(1, new State(room, cur.k, cur.f, cur.b), "move to " + room)
var pickup = (cost, item) => {
var n = Object.assign({}, cur)
n[item]++;
return new Transition(cost, new State(cur.room, n.k, n.f, n.b), {
"k": "pick up key",
"f": "pick up feather",
"b": "SLAY BOSS!!!!"}[item]);
};
if (n == 0) moves.push(move(2))
else if ( n == 1) { }
else if ( n == 2) moves.push(move(0), move(3))
else if ( n == 3) moves.push(move(2), move(4))
else if ( n == 4) moves.push(move(3))
else if ( n == 5) { }
else if ( n == 6) { }
// if we have a key, then we can move between rooms 1 and 2
if (cur.k && n == 1) moves.push(move(2));
if (cur.k && n == 2) moves.push(move(1));
// if we have a feather, then we can move between rooms 3 and 6
if (cur.f && n == 3) moves.push(move(6));
if (cur.f && n == 6) moves.push(move(3));
// if killed the boss, then we can move between rooms 5 and 6
if (cur.b && n == 5) moves.push(move(6));
if (cur.b && n == 6) moves.push(move(5));
if (n == 4 && !cur.k) moves.push(pickup(0, 'k'))
if (n == 1 && !cur.f) moves.push(pickup(0, 'f'))
if (n == 6 && !cur.b) moves.push(pickup(100, 'b'))
return moves
}
var notVisited = (visitedList) => (visit) => {
return visitedList.filter(v => JSON.stringify(v) == JSON.stringify(visit.state)).length === 0;
};
// Standard Djikstra's algorithm. keep a list of visited and unvisited nodes
// and iteratively find the "cheapest" next node to visit.
function calc_Djikstra(cost, goal, history, nextStates, visited) {
if (!nextStates.length) return ['No path exists', history]
var action = nextStates.pop()
cost += action.cost
var cur = action.state
if (cur.room == goal) return history.concat([action.msg])
if (history.length > 15) return ['we got lost', history]
nextStates = nextStates.concat(next(cur).filter(notVisited(visited)))
nextStates.sort()
visited.push(cur)
return calc_Djikstra(cost, goal, history.concat([action.msg]), nextStates, visited)
o}
console.log(calc_Djikstra(0, 5, [], [new Transition(0, new State(0, 0, 0, 0), 'start')], []))
Teoretycznie działa to nawet w przypadku BFS i nie potrzebowaliśmy funkcji kosztu dla Djikstry, ale posiadanie kosztu pozwala nam powiedzieć „wybranie klucza jest łatwe, ale walka z bossem jest naprawdę trudna i wolelibyśmy wrócić 100 kroków zamiast walki z bossem, gdybyśmy mieli wybór ”:
if (n == 4 && !cur.k) moves.push(pickup(0, 'k'))
if (n == 1 && !cur.f) moves.push(pickup(0, 'f'))
if (n == 6 && !cur.b) moves.push(pickup(100, 'b'))
