对于这个游戏，有一个 10x10 的棋盘和几个不同的奖品，数值从 1 到 9，有一些简单的机器人在玩，一个总是追求最接近的奖品，另一个总是追求点数最多的奖品分配给它。机器人和奖品随机放置在板上。任务是创建另一个简单的 AI，它总是收集最多的总点数并赢得比赛。
我将如何在奖励积分和奖励距离之间进行选择，以使这个新的 AI 始终赢得比赛？我在想我会更喜欢更接近的奖品，但如果它比最接近的奖品大 2 倍，那么我会选择更大的奖品，但这并不总是会赢。
机器人不知道机器人在哪里，如果一个机器人移动 8 个空格以获得一个奖品，另一个机器人可以移动 8 个空格并在此期间收集多个奖品。所有机器人同时移动并且可以对角移动。一旦棋盘上没有更多奖品，游戏就会结束。
没有办法保证胜利。如果机器人/奖品是随机放置的，那么肯定会有随机放置让您在其他机器人获得奖品之前离奖品太远。
由于您知道其他机器人的确切行为，因此您可以对它们为给定棋盘做出的所有未来动作进行建模。然后，您可以将所有可能的动作枚举为一棵树和棋盘状态，然后查看叶子并找到给您一个获胜分数的叶子。换句话说，每个分支都是你做出的一个动作，节点代表棋盘状态，包括其他机器人将做出的动作。此外，这不会是二叉树，每个节点将根据您可以在该回合中移动的方向进行分支。您将在进行一次实际移动之前完全构建这棵树，因此一旦您选择了最佳路径，基本上您将预测游戏的结果。这仅是可能的，因为其他机器人以可预测的方式移动。
此外，当您移动时，您可以添加检查以确保其他机器人按照您的预测移动，就像调试功能一样。根据系统的运行方式，他们可能会在决定移动之前看到您的移动，这取决于每个人是同时移动还是一次移动一个。无论哪种方式都可以，您只需要确保您的移动模型是准确的。
请注意，可能还有其他叶子，您的得分较高但输了，因为其他机器人中的一个控制了另一个。即（你：12，a：1，b：17）与（你：11，a：10，b：9）
最可能成功的路径是利用其他机器人行为的路径，例如，当它离你更近时抓住最高奖，导致贪婪的机器人松动走向它。如果您有足够的动作，还可以在途中获得奖品。不过，您不必为此行为编写代码，因为当您创建树并找到最佳移动系列时，它会隐式发生。