前言: 在第一篇文章中(link),我们讨论了 如何用 pygame 写一个小游戏,并用键盘交互控制 。接下来,我们将分别用 DFS 、BFS 、DRL 实现自动控制。这篇文章讨论了什么是深度优先搜索,如何匹配其到我们的小游戏上。
使用深度优先搜索方法实现游戏的自动控制
本文涉及一个 .py
文件:
dfs_play.py
如上图,我们将使用“深度优先搜索”的方法,来控制黑色方块自动闯关。
所谓“深度优先搜索”,即:
- 搜索:精准预测下一步操作后,黑色方块将到达什么位置;并再次精准预测在这个位置进行操作后,黑色方块将到达什么位置…直到触发终止条件,即找到最终得分的路径;
- 深度优先:假设黑色方块有两个动作可以选择:A与B,那么黑色方块做出“选择A后应该到达的位置”的预测后,继续接着这条路径预测,而非去预测在初始状态下“选择B后应该到达的位置”。具体原理如下图。
图片生成自:https://visualgo.net/zh/dfsbfs
为了更好地了解 DFS 的特性,你可以用 BFS(广度优先搜索) 进行对比:
如何用 DFS 匹配我们的小游戏
在我写的小游戏(小游戏项目地址,小游戏代码结构详解)中,我们的小方块时刻面临三个选择:
- 给自己一个左上的力;
- 给自己一个右上的力;
- 什么也不做,这一时刻任由自己受重力牵制而掉落。
因此,我们每层也就有三个结点,如下图:
但是因为算法本身的时间复杂度过大,我们可以不考虑“什么也不做”这一动作。否则,将如下图,需要搜索的结点过多,导致程序运行过慢或内存溢出。
这样,每层的父结点就只有两个子结点,大大减少需要遍历的空间。
使用递归的实现
我使用递归来实现 DFS 算法,我大概描述一下这个过程。数据结构不够硬的同学,应该静下心来读读我的源码、或者其他经典的 DFS 教程、或者刷刷 LeetCode 。
我的源码见:https://github.com/PiperLiu/Amazing-Brick-DFS-and-DRL/blob/master/dfs_play.py
final_s_a_list =