前言

本项目以PyCharm为开发平台，使用python编程语言，基于A*算法随机生成一个迷宫，并求解迷宫。

一、项目要求

a）随机生成一个迷宫，并求解迷宫；
b）要求游戏支持玩家走迷宫，和系统走迷宫路径两种模式。玩家走迷宫，通过键盘方向键控制，并在行走路径上留下痕迹；系统走迷宫路径要求基于A*算法实现，输出走迷宫的最优路径并显示。
c）设计交互友好的游戏图形界面。

二、A*算法

A算法，A(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。
算法中的距离估算值与实际值越接近，最终搜索速度越快。选择路径中经过哪个方格的关键是下面这个等式：F = G + H。
其中，f是从初始状态经由状态n到目标状态的代价估计，g是在状态空间中从初始状态到状态n的实际代价，h是从状态n到目标状态的最佳路径的估计代价。（对于路径搜索问题，状态就是图中的节点，代价就是距离）
h的选取：保证找到最短路径（最优解的）条件，关键在于估价函数f的选取（或者说h的选取）。
以d(n)表达状态n到目标状态的距离，那么h(n)的选取大致有如下三种情况：
① 如果h(n)< d(n)到目标状态的实际距离，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。
② 如果h(n)=d(n)，即距离估计h(n)等于最短距离，那么搜索将严格沿着最短路径进行，此时的搜索效率是最高的。
③如果 h(n)>d(n)，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。

三、项目实现

1.框架结构

2.数据结构

（1）open表
（2）close表
（3）route表

3.主要功能函数

（1）估值函数

    def evaluate(self):   #估值函数return self.distanceStart + abs(self.x - self.endX) + abs(self.y - self.endY)

（2）A*算法

    def Astar(self):# 将起点放到open表中self.openList.append(self.startPoint)while (not self.isOK):# 先检查终点是否在open表中，若有则结束if self.inOpenList(self.endPoint) != -1:  # 在open表中，程序结束self.isOK = True  #self.end = self.openList[self.inOpenList(self.endPoint)]self.route.append(self.end)self.te = self.endwhile (self.te.parentPoint != 0):self.te = self.te.parentPointself.route.append(self.te)else:self.sortOpenList()  # 将估值最小的节点放在index = 0current_min = self.openList[0]  # 估值最小节点self.openList.pop(0)self.closeList.append(current_min)# 设current_min节点，并放到open 表if current_min.x - 1 >= 0:  # 没有越界if (self.mapStatus[current_min.y][current_min.x - 1]) != 0:  # 无障碍点,可前行路径self.temp1 = mapPoint(current_min.x - 1, current_min.y, current_min.distanceStart + 1,self.endPoint.x, self.endPoint.y, current_min)if self.inOpenList(self.temp1) != -1:  # open表存在相同的节点if self.temp1.evaluate() < self.openList[self.inOpenList(self.temp1)].evaluate():self.openList[self.inOpenList(self.temp1)] = self.temp1elif self.inCloseList(self.temp1) != -1:  # 否则查看close表是否存在相同的节点，若存在进行if判断if self.temp1.evaluate() < self.closeList[self.inCloseList(self.temp1)].evaluate():self.closeList[self.inCloseList(self.temp1)] = self.temp1else:  # open、close表都不存在 temp1self.openList.append(self.temp1)if current_min.x + 1 < 15:if (self.mapStatus[current_min.y][current_min.x + 1]) != 0:  # 无障碍点,可前行路径self.temp2 = mapPoint(current_min.x + 1, current_min.y, current_min.distanceStart + 1,self.endPoint.x, self.endPoint.y, current_min)if self.inOpenList(self.temp2) != -1:  # open表存在相同的节点if self.temp2.evaluate() < self.openList[self.inOpenList(self.temp2)].evaluate():self.openList[self.inOpenList(self.temp2)] = self.temp2elif self.inCloseList(self.temp2) != -1:  # 否则，查看close表是否存在相同的节点（存在）if self.temp2.evaluate() < self.closeList[self.inCloseList(self.temp2)].evaluate():self.closeList[self.inCloseList(self.temp2)] = self.temp2else:self.openList.append(self.temp2)if current_min.y - 1 >= 0:if (self.mapStatus[current_min.y - 1][current_min.x]) != 0:  # 无障碍点,可前行路径self.temp3 = mapPoint(current_min.x, current_min.y - 1, current_min.distanceStart + 1,self.endPoint.x, self.endPoint.y, current_min)if self.inOpenList(self.temp3) != -1:  # open表中存在相同的节点if self.temp3.evaluate() < self.openList[self.inOpenList(self.temp3)].evaluate():self.openList[self.inOpenList(self.temp3)] = self.temp3elif self.inCloseList(self.temp3) != -1:  # 否则，查看close表是否存在相同的节点（存在）if self.temp3.evaluate() < self.closeList[self.inCloseList(self.temp3)].evaluate():self.closeList[self.inCloseList(self.temp3)] = self.temp3else:self.openList.append(self.temp3)if current_min.y + 1 < 15:if (self.mapStatus[current_min.y + 1][current_min.x]) != 0:  # 无障碍点,可前行路径self.temp4 = mapPoint(current_min.x, current_min.y + 1, current_min.distanceStart + 1,self.endPoint.x, self.endPoint.y, current_min)if self.inOpenList(self.temp4) != -1:  # open表存在相同的节点if self.temp4.evaluate() < self.openList[self.inOpenList(self.temp4)].evaluate():self.openList[self.inOpenList(self.temp4)] = self.temp4elif self.inCloseList(self.temp4) != -1:  # 否则查看close表是否存在相同的节点（存在）if self.temp4.evaluate() < self.closeList[self.inCloseList(self.temp4)].evaluate():self.closeList[self.inCloseList(self.temp4)] = self.temp4else:self.openList.append(self.temp4)

（3）菜单选项对应操作函数

def selectrestart(self)
def selectmaze(self)
def selectstart(self)
def selectend(self)
def selectfind(self)

总结

运行结果如下：

基于A*算法的迷宫游戏相关推荐

实验三基于A*算法的迷宫游戏
软件实习项目三 -- Java实现基于A*算法的迷宫游戏一.实验任务 (1)该题要求随机生成一个迷宫,并求解迷宫: (2)要求游戏支持玩家走迷宫,和系统走迷宫路径两种模式.玩家走迷宫,通过键盘方向键 ...
实验三基于A*算法的迷宫游戏开发
实验要求: 1.迷宫随机生成 2.玩家走迷宫,留下足迹: 3.系统用A*算法寻路,输出路径解决问题: 1.如何显示迷宫的图形界面: 2.如何生成随机的迷宫: 3.怎样移动游戏中走迷宫的"玩 ...
【项目三基于A*算法的迷宫游戏开发】
一. 实验要求 1.迷宫随机生成 2.玩家走迷宫,留下足迹 3.系统用A*算法寻路,输出路径二.前期准备解决迷宫问题要用到两个算法,深度优先遍历(DFS)生成迷宫,A*算法寻路.那么首先要对这两种 ...
基于A*算法的迷宫小游戏
文章目录前言一.程序设计说明 1.功能描述 2.算法思想二.模块设计 1.流程设计 2.算法实现 3.界面设计三.功能演示前言本文采用A*算法的思想,借助pycharm下的python环境 ...
基于深度优先算法和A*算法的迷宫游戏开发（Java实现）
先上图文章目录一.实验内容二.深度优先算法生成迷宫三.A*算法走迷宫四.结果测试五.源代码六.参考文献一.实验内容 1.要求: 1)迷宫随机生成 2)系统用A*算法寻路,输出路径 3) ...
python迷宫小游戏代码_课内资源 - 基于python实现的迷宫游戏
一.项目概述与编译环境本次大作业选题为题目2,即小兔子找胡萝卜的迷宫问题,最终完成开发的游戏名为Caveman and Treasure(穴居人寻宝),游戏整体界面如下: 该项目在windows下编 ...
基于JAVA的简单迷宫游戏
一.实验要求 1. 迷宫游戏是非常经典的游戏,在该题中要求随机生成一个迷宫,并求解迷宫. 2. 要求游戏支持玩家走迷宫,和系统走迷宫路径两种模式.玩家走迷宫,通过键盘方向键控制,并在行走路径上留下痕迹 ...
实验三：基于A*算法的迷宫
实验要求: 1.迷宫随机生成 2.玩家走迷宫,留下足迹: 3.系统用A*算法寻路,输出路径解决问题: 1.如何显示迷宫的图形界面: 2.如何生成随机的迷宫: 3.怎样移动游戏中走迷宫的"玩 ...
基于python实现的迷宫游戏
目录一.项目概述与编译环境 1 二.问题的数学建模 2 三.算法实现 2 1.迷宫的创建 2 (1)对每一小格随机添加障碍物 2 2.搜索算法描述 3 (1)深度优先搜索 3 (2)宽度优先搜索 3 ...

基于A*算法的迷宫游戏

文章目录

前言