使用简单算法两小时实现猎杀乌姆帕斯(Hunt the Wumpus)Python小游戏

简介: 使用Python语言可视化实现1973 年开发的一款基于文本的冒险游戏。原著较为复杂,这里我们作出如下简化:1. 原著十二面体可以展开为拥有20个顶点(洞穴)的地图。我们简化为更简单的 N*N 矩形地图。每个点代表一个洞穴。暂定为 5 x 5 共25个洞穴。2. 每个洞穴(点)上下左右四通(非八达)🤪3. 仅拥有一颗箭,即只有一次命中机会。如果错过未能将怪兽消灭即失败。4. 如果不慎跌入怪兽洞也算失败。😏5. 该地图不会出现 无底洞, 超级蝙蝠 等其它元素。😝6. 隐藏信息,怪兽的洞穴是不可见的,当接近怪兽洞穴一个格子的距离时,会提示“你嗅到了乌姆帕斯的气息”。

“Hunt the Wumpus” 是什么?


引用wiki百科:


Hunt the Wumpus是Gregory Yob于 1973 年开发的一款基于文本的
冒险游戏。在游戏中,玩家在一系列连接的洞穴中穿行,这些洞穴排列为十二面体的顶点,他们狩猎一个名叫 Wumpus
的怪物。
在回合制游戏中有玩家试图避免致命的无底洞和“超级蝙蝠”,将移动他们周围的洞穴系统; 目标是通过洞穴发射他们的“弯曲箭”之一以杀死Wumpus。


226446614606106.png


我们的目标


原著较为复杂,这里我们作出如下简化:


  1. 原著十二面体可以展开为拥有20个顶点(洞穴)的地图。我们简化为更简单的 N*N 矩形地图。每个点代表一个洞穴。暂定为 5 x 5 共25个洞穴。
  2. 每个洞穴(点)上下左右四通(非八达)🤪
  3. 仅拥有一颗箭,即只有一次命中机会。如果错过未能将怪兽消灭即失败。
  4. 如果不慎跌入怪兽洞也算失败。😏
  5. 该地图不会出现 无底洞, 超级蝙蝠 等其它元素。😝
  6. 隐藏信息,怪兽的洞穴是不可见的,当接近怪兽洞穴一个格子的距离时,会提示“你嗅到了乌姆帕斯的气息”。只有当胜利或失败时才显示。


成品展示


麻雀虽小,但五脏俱全呵!首先看一下最终实现的效果,多图杀猫~


由于判断失误,直接进入怪物洞穴导致失败的情况:

wunpus2.gif


由于只有一只箭,射箭方向错误导致怪物存活而失败的情况:

wunpus1.gif


依靠聪明才智,成功战胜怪物,胜利的结局✌️

wunpus3.gif


关键技术


1.欢迎界面与开始菜单


这当然是最简单的部分啦,使用字符串输出print一段欢迎信息或游戏帮助信息。
然后接收用户的选择input,并根据不同的条件作出判断if


defmenu():

   print("===欢迎进入乌姆帕斯的世界===")

   ch =input("1. 开始\n2. 退出\n->")

   if ch =="1":

       begin()

   if ch =="2":

       print("好吧, 下次再见👋")


2. 地图的生成。


地图当然是最重要的一部分,实现的方式有很多种,这里使用最简单最容易理解的列表嵌套(二维数组)。


defcreate_map(x=5, y=5):

   # 生成地图

   yj = []

   for _ inrange(y):

       xi = []

       for _ inrange(x):

           xi.append(SPACE)

       yj.append(xi)

   wumpas_local, player_local = create_player_local(x, y)


   yj[wumpas_local[0]][wumpas_local[1]] =WUMPUS

   yj[player_local[0]][player_local[1]] =PLAYER

   global p_local

   p_local = [player_local[0], player_local[1]]

   return yj


311506729113381.png


玩家和怪物的坐标二维数组的下标,使用随机数生成。这里可要注意咯! 玩家和怪物的随机坐标可能会重合呦!避免随机数重复的方法由很多种,这里使用递归算法生成唯一的坐标。首先随机生成两个坐标,如果坐标相同则再次调用生成坐标的函数,直到生成两个不同的坐标。


defrandom_local(x, y) -> tuple:

   """随机生成坐标"""

   return random.randint(0, x -1), random.randint(0, y -1)


defcreate_player_local(x, y) -> tuple:

   """生成怪物和玩家的唯一坐标

   wumpas_local 怪物坐标

   player_local 玩家坐标

   """

   wumpas_local = random_local(x, y)

   player_local = random_local(x, y)

   if wumpas_local == player_local:

       wumpas_local, player_local = create_player_local(x, y)

   if wumpas_local != player_local:

       return (wumpas_local, player_local)


3. 地图的显示


地图已经生成啦,显示就很简单啦!只需根据输赢的状态对地图的字符串做简单的替换即可。


  1. 胜利的字符效果

553446577927725.png

  1. 失败的字符效果

139676387797911.png


4. 位移,气息与射箭


玩家的位移,乌姆帕斯的气息与射箭逻辑都是相同的。本质就是对格子四个方向的坐标处理(气息需要处理周边八个格子)。


哈,只用到了二以内的加减法(加一,减一),简单吧?
啥? 已经被整晕了?快拿个纸笔画一画~。


defsmell(x, y) -> bool:

   """判断附近是否有怪物"""

   x1 =MAP_X-1if p_local[0] ==0else p_local[0] -1

   x2 =0if p_local[0] ==MAP_X-1else p_local[0] +1

   y1 =MAP_Y-1if p_local[1] ==0else p_local[1] -1

   y2 =0if p_local[1] ==MAP_Y-1else p_local[1] +1


   round= [(x1, y), (x2, y), (x, y1), (x, y2), (x1, y1), (x1, y2), (x2, y1), (x2, y2)]


   for r inround:

       ifMAP[r[0]][r[1]] ==WUMPUS:

           returnTrue

   returnFalse


5. 大圆满


对啦,整个游戏其实就是一个状态机,总共有胜利失败游戏中三种状态。那么我们可以使用一个 while 语句,搞起一个事件循环 。就可以一直愉快滴玩耍啦!开心不开心?


虽然该篇程序没有复杂的算法,但使用简单的顺序判断循环 语句和一丢丢递归算法就可实现稍稍复杂的小游戏。


正所谓:大道至简  重剑无锋 大巧不工


思考


这个游戏还有很多可以扩展的内容,下面留下几个思考题,让游戏更好玩吧~


  1. 随机坐标去重还有哪些方式可以实现?
  2. 加入 无底洞超级蝙蝠 元素。
  3. 加入游戏积分游戏计时游戏存档功能。

源码见:
https://github.com/spaceack/Hunt-the-Wumpus或关注公众号【编程之舞】回复wumpus领取。

目录
相关文章
|
6天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
112 55
|
21天前
|
搜索推荐 Python
利用Python内置函数实现的冒泡排序算法
在上述代码中,`bubble_sort` 函数接受一个列表 `arr` 作为输入。通过两层循环,外层循环控制排序的轮数,内层循环用于比较相邻的元素并进行交换。如果前一个元素大于后一个元素,就将它们交换位置。
124 67
|
21天前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
115 61
|
23天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
104 63
|
15天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
97 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
1月前
|
机器学习/深度学习 算法 大数据
蓄水池抽样算法详解及Python实现
蓄水池抽样是一种适用于从未知大小或大数据集中高效随机抽样的算法,确保每个元素被选中的概率相同。本文介绍其基本概念、工作原理,并提供Python代码示例,演示如何实现该算法。
30 1
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
78 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
1月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
83 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
84 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
48 2
下一篇
DataWorks