愉快的开始

最近在修一门叫Python基础的课，然后匆忙之中做了这个AI贪吃蛇想交个大作业，结果老师的结课作业是给定了题目，我真是……

首先说明一点哈，此AI非彼AI。今天要讲的AI贪吃蛇还是传统意义上遍历图的找路算法编写的，并不是利用机器学习进行学习控制的哈。

关于贪吃蛇

Python编写贪吃蛇的教程此前已经写过了，相关的传送门可以戳：

传送门: 10分钟教你用python打造贪吃蛇超详细教程

那么今天的AI贪吃蛇就是在此基础上完成的，加了AI相关的功能。具体的相关演示图如下：

AI贪吃蛇动态演示图

当然了，AI部分是在一位大神@Charles的代码中整合过来的。总体还是采用广度优先搜索遍历+虚拟走一次（不知道这样算不算作弊呢，欢迎各位在留言区讨论）的方式进行，目前看来还是有些许问题：

• 可能吃不到满屏，最后的效果可能会空几个（下面会放图），依小编之见应该是找不到路到食物时随机走一步造成的，随机性导致了最后可能陷入死循环而吃不到满屏。
• 运行速度比较慢，一来可能是小编这个地图比较大，每次找路BFS搜索的时候是需要一点时间的，二来嘛Python确实是个速度比较慢的语言，算法速度上自然是比不上C++这种的。

关于C++的AI贪吃蛇，可以参照此前小编用C++写的一个不怎么完善的AI贪吃蛇，也算基于BFS，但是整个跑起来的速度快得多：

传送门: 10分钟教你用C++写一个贪吃蛇附带AI功能（史上最详细最入门的贪吃蛇教程）附源代码下载

然后再放上一张吃不满屏的图吧，┭┮﹏┭┮我跑了一个早上。结果你让我看这个？

吃不满屏的AI贪吃蛇

哈哈，看不到头尾了，反正代码会放出来，有需要的小伙伴可以给他加个头，这样看起来辨识度更高。

AI部分

好了，现在介绍完了。我们来介绍一下AI部分的原理+算法吧。

地图

我们之前说了，算法是用BFS找路的。那么相应的地图就是整个的游戏区域了。其实整个游戏区域可以分成一个个的像素格子，每个格子就可以看成一张地图中的点（有xy坐标），只不过这些点只与相邻的点连通，这样就形成了一个图。

有了图以后，蛇身所在的位置就是障碍了，不能通过的。然后蛇的移动不能超出图所在的范围。一个点无法就这几种状态：

• 食物所在的位置（状态码为FOOD）
• 空位置（状态码为FREE_PLACE）
• 蛇所在的位置（状态码为SNAKE_PLACE）

我们用width表示地图的宽度，height表示地图的高度。在程序中，该状态用一个一维数组board[width * height]进行标识：比如点(x,y)的状态就可以用board[x + width*y]的具体取值表示（FOOD表示食物等）。

找路

找路的算法流程这里直接引用@Charles大神博客上写的流程：

主要思路
（1）蛇每走一步，就使用BFS计算游戏界面中每个位置（蛇身除外）到达食物的最短路径长；
（2）将蛇的安全定义为蛇是否可以跟着蛇尾运动，即蛇头和蛇尾间是否存在路径；
（3）蛇每次行动前先利用虚拟的蛇进行探路，若虚拟的蛇吃完食物后是安全的，真蛇才行动；
（4）若蛇和食物之间不存在路径或者吃完食物后并不安全，就跟着蛇尾走；
（5）若蛇和食物之间、蛇和蛇尾之间均不存在路径，就随便挑一步可行的来走；
（6）保证目标是食物时蛇走最短路径，目标是蛇尾时蛇走最长路径。
不足之处
由于食物是随机出现的，若虚拟的蛇跑一遍发现去吃食物是不安全的，真蛇就不会去吃食物，而是选择追着蛇尾跑，若一直如此，就陷入了死循环，蛇一直追着蛇尾跑跑跑。。。直到你终止游戏为止。。。

代码下载