這次我們來講一下程式碼中涉及的一些路徑規劃演算法，在這個遊戲中，路徑規劃雖然不屬於人工智慧但是確實實現AI演算法不可或缺的基礎方法，下面就來大致介紹一下有哪些主要的方法以及這些方法的實現。

（1）getApproximateNextMoveTowardsTarget：這個實現的是得到是起始點到目標點的大致的運動，為什麼叫大致呢，因為這裡沒有考慮障礙物等因素。這個函式還可以用在A*演算法上（A*演算法後面會專門講）。程式碼如下：

public MOVE getApproximateNextMoveTowardsTarget(int fromNodeIndex, int toNodeIndex,
            MOVE lastMoveMade, DM distanceMeasure) {
        MOVE move = null
 
;

        double minDistance = Integer.MAX_VALUE;

        for (Entry<MOVE, Integer> entry : currentMaze.graph[fromNodeIndex].allNeighbourhoods.get(
                lastMoveMade).entrySet()) {
            double distance = getDistance(entry.getValue(), toNodeIndex, distanceMeasure);

            if
 
 (distance < minDistance) {
                minDistance = distance;
                move = entry.getKey();
            }
        }

        return move;
    }

引數分別是：起始點，目標點，上一次運動方向，距離度量方法。這裡有個上一次運動方向作為引數，說實話，這個for迴圈的條件語句可以說是非常難搞懂，其實allNeighbourhoods這裡是一個MAP裡面又嵌套了一個MAP，準確的說是 < MOVE, < MOVE, index > > 這種形式，第一個MOVE是可到達fromNode的移動，第二個是fromNode可以執行的移動以及執行該移動所到達的點，但是不包括前一個MOVE。舉個例子，對於左上角座標（0，0）的點，可以到達的移動為從（0，1）向左，從（1，0）向上，或在（0，0）保持不動，所以第一個MOVE為left，up，neutral三個（由於neutral只有特定情況才執行所以後面就不再考慮），而對於left，left->< down, (1,0) >，所以當遍歷left的value的時候，就沒有right這個值，只有向下走，同理，up->< right, (0,1) >。這樣在選擇路徑時不用再考慮之前的移動。接著得到所有除了上一步的點之外其餘可以行走的點，然後求與目標點的歐氏距離，距離最小的那個對應的MOVE即為所選。

（2）getNextMoveTowardsTarget：這個跟之前的差不多，不同的是這個考慮的MOVE考慮之前一步的MOVE了，也就是說，對於fromNode，所有可行走的方向都用於計算距離。上一個主要用於魔鬼的到達目標路線規劃，這個一般使用者吃豆人的。

for (Entry<MOVE, Integer> entry : currentMaze.graph[fromNodeIndex].neighbourhood.entrySet())

這裡只給出不同的迴圈語句，可以看到從之前的allNeighbourhoods，變成了neighbourhood，後者是結構是< MOVE, INDEX >，為走法與可到達的點組成的MAP。

（3）getApproximateNextMoveAwayFromTarget：這個跟第一個也差不多，只不過之前求的是最小距離，這個求最大距離。

（4）getNextMoveAwayFromTarget：這個不解釋了，想想也知道不同之處了。。。

以上都是得到大致方向的方法，那麼有沒有得到準確路徑的方法呢，當然有，就先放到下一部分再說吧。