4.8 KiB
AlphaP(ac)
Pacman 是一款诞生于 1980 年的经典街机游戏，由南梦宫制作并在日本发行。游戏目标很简单：控制主角吃豆人吃掉迷宫里所有的豆子，同时避开鬼魂的追捕。
自问世以来，这款游戏收获了无数玩家的喜爱，YuiCtwo 也是其中之一。
正巧 YuiCtwo 在日常工作中遇到了一些类似的问题，于是以 Pacman 为背景来研究这些问题再合适不过了。你需要由浅入深地完成下面的一系列任务，逐步解决一个真正的算法问题。
Task 0: Let's build a Pacman
在开始那些“高大上”的算法之前，脏活累活总是第一步：你需要先搭建好游戏的“基础能力”。
关于 Pacman 的系统介绍，可以参考 维基百科；网上也有大量实现，随便挑一个玩上几局就能明白基本规则。
在这个任务中，你需要实现一个 Pacman 游戏。但并非完全自由发挥，以下是基本要求：
-
禁止使用 Unity、Pygame 等现代游戏框架，推荐使用 Tkinter、ImGui 等纯图形界面库，引擎部分需要自己实现。
-
不强制要求 UI 要素 1:1 复刻原作，但你实现中的一些细节会影响本题的得分。
-
除了完成度，整体的设计质量也会纳入评分。
-
地图输入采用
.lay文件格式，程序需要能够读取并解析该格式，加载不同的关卡布局。.lay文件使用字符网格描述地图，例如：%%%%%%%%%%%%%%%%%%%% %......%G G%......% %.%%...%% %%...%%.% %.%..............%.% %.%.%%.%%%%%%%%.%.% %......%....%......% %%%.%%.%. .%.%%.%%% % ...%.% %.%... % % .%%%.% %.%%%. % %......%....%......% %.%%.%%.%%%.%%.%%.% %..........P.......% %%%%%%%%%%%%%%%%%%%%其中常见字符含义如下：
%：墙壁.：普通豆子o：能量豆P：Pacman 起始位置G：鬼魂起始位置
Task 1: 热身
我相信完成 Pacman 游戏后，你已经对后面的任务跃跃欲试了。Pacman 的核心目标是尽可能拿高分，同时躲避鬼魂——聪明的你应该已经隐约感觉到，这并不是一个简单的问题。在深入解决之前，不妨先热热身：
假设没有鬼魂追赶玩家，如何在尽可能短的时间内吃完所有的豆子？（其实也并不简单。）
本题要求：
- 给出一种能够吃完所有豆子的方法，不要求一定最优。得分只取决于能否在多个场景下都成功吃完所有豆子，并且不崩溃。
- 你需要能够借助 Task 0 中完成的系统进行演示。
Task 2: "标准"答案
作为一个经典问题，自然有一些较为标准的解法。吃豆人规则简单、状态空间清晰，非常适合用强化学习来求解。
本题要求：
- 使用强化学习解决“在鬼魂追赶的情况下获得最高分”的问题。
- 尝试不同的强化学习模型，以及不同的鬼魂 AI。
- 不需要使用最前沿的强化学习模型，能够稳定解决问题即可。
你的最终结果要有类似的效果:
提交说明
推荐使用 Python 完成。
本题目不要求全部完成，量力而行即可。如果觉得国庆题目太简单，不妨挑战一下，说不定就搞定了呢。国庆结束后如需提交本题，向学长演示你的结果即可。
如果 Task0,1,2 都完成了，那么推荐你思考下下面这个问题：
Task 3: 自省
我们解决了吃豆人这个问题，但这还远远不够。请思考下面这些问题：
在游戏层面：
- 如果改为玩家控制鬼魂移动呢？
- 如果加入时间限制呢？
在 AI 层面：
- 目前 Pacman 的信息直接作为变量传入，对 AI 来说完全可知。但在大多数真实游戏中，你无法获取如此详细的内部信息，如何借助视觉、内存或其他方式获取信息？
- 对于耗时较高的模型，如何让 AI 的执行与游戏运行、玩家操作并行？
- 我想用 LLM 来玩这款游戏。
- ……
考虑这些问题，尽可能借助现代游戏引擎和强化学习架构的设计模式，重新设计整个项目。至少在架构层面，让它看起来专业且成熟。
本题为开放性问题，给出你的新设计以及对应的代码即可。
参考资料
关于 AI
不限制使用 AI，也不会进行 AI 查重。，但会针对一些问题进行询问，视具体情况打分。
其他
最终解释权归 YuiCtwo 所有。 当前题目版本 V0.1