贪吃蛇的创新玩法与智能算法

贪吃蛇是人人皆知的游戏。传统的贪吃蛇非常简单，玩法在这里不详述。但是，有人提出了一个“破解”的方法，必通关：

忽略食物，只要严格按S形绕着走就可以了。

当然，这是一种很好的方法，但这么玩似乎意义不大。为了防止这种情况出现，我们可以改变一下规则：

1. 食物限时，超时重新放置
2. 游戏整体也限时

这样可玩性无疑提高了，并且杜绝了之前的“破解”方法。

前段时间，AI与人类的下棋比赛引人注目，我们是否也可以设计一个算法，让计算机来完成这个贪吃蛇的游戏呢？

一个朴素的算法是这样的：

    // Hx,Hy: 头的位置
    // Fx,Fy：食物的位置
    // function whereGoNext(Hx,Hy,Fx,Fy) {
    // 用数组movable[3]={“a”,”d”,”w”,”s”} 记录可走的方向
    // 用数组distance[3]={0,0,0,0} 记录离食物的距离
    // 分别计算蛇头周边四个位置到食物的距离。H头的位置，F食物位置
    //     例如：假设输入”a” 则distance[0] = |Fx – (Hx-1)| + |Fy – Hy|
    //           如果 Hx-1，Hy 位置不是Blank，则 distance[0] = 9999
    // 选择distance中存最小距离的下标p，注意最小距离不能是9999
    // 返回 movable[p]
    }

感兴趣的读者可以试一下这个算法。这个算法的缺陷非常明显，当遇到这种地图，上述算法明显是自寻死路：

我没有采用这种算法，我用的是另一种算法，这个名字很常见，称为“宽度优先搜索”，简称BFS。

算法的原理是这样的：

1. 开一个二维数组distance[20][20]，存储当前位置离食物的距离。
2. 把食物所在位置的distance[x][y]设为0。
3. 从食物所在位置开始向四个方向的空白处扩展。
4. 反复执行第3步，直到扩展到蛇头为止。蛇头的方向即被确定下来。
   这样就可以避免上图的问题。但是，这种算法仍然是有缺陷的。首先，蛇身会运动，因此按照上述4步算出来的最短路并不是真正的最短路，真正的最短路可能穿过当前的蛇身（而走过去的时候就变成空白）；其次，当蛇身长到一定程度时，蛇会在食物的引诱下走入死胡同。

这种算法会遇到两种无解的情况，一种是假无解：

这种情况下，算法认为蛇头无法到达食物。其实只要多走两步，路就出来了：

一种是真无解，蛇在食物的引诱下，走入了死胡同：

那么如何解决这个问题呢？留给读者思考。（我才不说我不会！）