[Python]游戏编程
游戏中的人工智能3应该接着填坑了，把精力都放在机器学习上了，等掌握了再来写机器学习的。预留传送门
‘Festinationefacitvastum’
环境Win10（神奇的我给kali装了Nivdia驱动，崩了）
Python2.7orPython3.6
Pycharm
蚂蚁实例我们得先有身体–实例，才能有他的大脑，所以我们来写一个蚂蚁实例（继承于GameEntity）：
classAnt(GameEntity):def__init__(self,world,image):#执行基类构造方法GameEntity.__init__(self,world,"ant",image)#创建各种状态exploring_state=AntStateExploring(self)seeking_state=AntStateSeeking(self)delivering_state=AntStateDelivering(self)hunting_state=AntStateHunting(self)self.brain.add_state(exploring_state)self.brain.add_state(seeking_state)self.brain.add_state(delivering_state)self.brain.add_state(hunting_state)self.carry_image=Nonedefcarry(self,image):self.carry_image=imagedefdrop(self,surface):#放下carry图像ifself.carry_image:x,y=self.locationw,h=self.carry_image.get_size()surface.blit(self.carry_image,(x-w,y-h/2))self.carry_image=Nonedefrender(self,surface):#先调用基类的render方法GameEntity.render(self,surface)#额外绘制carry_imageifself.carry_image:x,y=self.locationw,h=self.carry_image.get_size()surface.blit(self.carry_image,(x-w,y-h/2))蚂蚁类呢先调用了父类的__init____init__，carry_image变量，保持了现在蚂蚁正在搬运物体的图像，或许是一片树叶，或许是一只死蜘蛛。这里我们写了一个加强的render函数，因为还需要画一下搬的东西。
来！写大脑！有了身体，我们就应该写出他的身体了，这样才能满足我们的状态机（蚂蚁），在建造之前，我们首先来看一下都有啥状态：
状态行为探索（Exploring）随机的走向一个坐标搜集（Seeking）往一片树叶走去搬运（Delivering）搬移（树叶、蜘蛛）回家狩猎（Hunting）攻击蜘蛛状态之间的变换条件也应该有（很多），举个列子：
条件状态发现树叶搜集（Seeking）有只猪（蜘蛛）狩猎（Hunting）来来来，画一下状态机，打开我的Sai：如果你看一眼就懂了，那就说明你直接根据这个状态图写代码了，不过我们还是先建一个State类，保存我们的状态，就是一个框架：
classState():def__init__(self,name):self.name=namedefdo_actions(self):passdefcheck_conditions(self):passdefentry_actions(self):passdefexit_actions(self):pass接下来，我们要建立一个状态机类来管理这些状态啦，整个代码的核心类（当当当）：
classStateMachine():def__init__(self):self.state={}#用来储存状态self.active_state=None#当前的有效状态defadd_state(self,state):"""增加状态"""self.state[state.name]=statedefthink(self):ifself.active_stateisNone:return#执行有效状态的动作，并且做转移检查self.active_state.do_actions()new_state_name=self.active_state.check_conditions()ifnew_state_nameisnotNone:self.set_state(new_state_name)defset_state(self,new_state_name):"""更改状态，执行进入/退出动作"""ifself.active_stateisnotNone:self.active_state.exit_actions()self.active_state=self.active_state[new_state_name]self.active_state.entry_actions()然后我们就可以愉快地通过继承State创建一系列的实际状态了，这些状态传递给StateMachine保留并运行。StateMachine类的think方法是检查当前有效状态并执行其动作的，最后还可能会调用set_state来进入下一个状态。
我们应该根据上面的四个状态表格建立状态了，一次性给出完整代码