D_C_tyu的博客

本文分享了一个基于权重评估的俄罗斯方块AI算法实现。该AI采用Colin Fahey的经典评估方法，通过6个关键指标（堆叠高度、完整行数、行/列转换数、空洞数量、井深总和）加权计算每个落点的得分，选择最优位置。实测表明，该算法能稳定消除1000行以上，达到专业玩家水平。项目采用纯前端技术（HTML5 Canvas + JavaScript）实现，支持手动和AI自动两种游戏模式。核心算法通过枚举所有可能的旋转状态和水平位置，模拟落点后计算评估得分，最终执行最优决策。

本文介绍了一个水排序游戏求解器的优化过程。第一版存在性能问题，当杯子数量较多时会导致页面卡死，原因是A*算法在主线程同步运行时间过长。第二版通过以下改进显著提升了性能：1) 采用异步分片处理，将搜索过程拆分成小批次执行；2) 用最小堆(Min-Heap)替换低效的数组排序；3) 优化状态存储和哈希计算；4) 增加剪枝优化。此外还改进了UI交互，将颜色选择功能移至点击杯子底部方块，使页面更加紧凑。该求解器支持14个杯子的复杂关卡，通过可视化步骤和自动播放功能帮助用户理解解决方案。

本文介绍了一个具备智能寻路功能的贪吃蛇游戏开发过程。项目基于HTML5 Canvas和原生JavaScript实现，核心亮点是采用BFS寻路算法和启发式评分系统，使蛇能够自主规划最优路径。游戏支持手动/自动双模式切换，包含碰撞检测、分数记录等功能。在自动模式下，系统通过分层决策架构评估路径安全性、食物距离等多维度指标，确保蛇能安全觅食。关键技术包括：BFS最短路径搜索、移动后安全度计算、多策略评分机制等，解决了传统贪吃蛇AI容易陷入死胡同的问题。