简介这份资源是一套用 C/C 编写的贪吃蛇游戏人工智能实现面向对 AI 算法、路径搜索与游戏策略感兴趣的开发者与学习者。其核心思路是结合最短路径与最长路径搜索让蛇在避开自身与障碍的前提下尽可能多地吃到食物直至填满整张地图适合用来理解启发式搜索与博弈策略在具体游戏场景中的落地方式。压缩包共 57 个文件约 1.52MB以 34 个 Python 源码为主体辅以 gif 与 png 演示图、yml 持续集成配置、md 说明文档及 license 等目录中划分出 solver、gui、base、util、tests 等模块结构清晰便于按算法、界面与工具分层阅读。目前已有 1635 人学习下载。读者可从中获得完整的贪吃蛇 AI 工程代码、路径规划与策略实现细节、可视化运行界面以及测试与文档支持适合作为算法练习、课程设计或二次开发的参考素材。1. 贪吃蛇 AI 到底怎么玩从手写策略到神经网络决策很多人第一次听到「贪吃蛇 人工智能 AI」这个组合脑子里浮现的是不是那种满屏乱窜、活不过十秒的脚本我拆过不少类似项目大部分所谓的 AI 贪吃蛇本质就是几个 if-else 堆出来的贪心算法——离食物近就冲撞墙前拐弯遇到死路就随机。这种写法能跑但上限极低蛇一长就必死。Snake-AI 这个资源包不一样的地方在于它把贪吃蛇做成了一个完整的 AI 实验平台你可以用 BFS、A* 这类经典搜索算法跑基线也能接强化学习或神经网络做决策甚至能自己改奖励函数看蛇的行为怎么变。它解决的不是「让蛇动起来」而是「让蛇在复杂局面下做出合理决策」——适合想入门游戏 AI、做课程设计、或者拿它当强化学习练手项目的开发者。如果你已经会写贪吃蛇但不知道怎么让它变聪明这份资源能省掉你搭环境、设计状态表示、写可视化的大把时间。2. 拆开资源包状态表示、决策循环与可视化三层结构2.1 状态表示决定了 AI 的上限贪吃蛇 AI 的核心不是算法本身而是你怎么把游戏画面翻译成 AI 能吃的「状态」。我见过太多人一上来就怼神经网络结果输入是原始像素训练半天蛇还在原地转圈。Snake-AI 这类项目通常提供两种状态表示一种是网格特征把蛇头、蛇身、食物、墙壁分别编码成不同通道的矩阵另一种是相对坐标特征只告诉 AI 食物在蛇头的哪个方向、周围有没有障碍。前者适合卷积网络后者适合全连接或决策树。常见做法是先用相对坐标跑通流程因为维度低、训练快、容易 debug。等你能稳定让蛇活到 50 节以上再换网格特征上卷积。这个顺序别搞反否则你会陷入「到底是奖励函数错了还是网络结构不对」的玄学排查里。# 相对坐标状态编码示例8 方向 食物方向 危险检测 def get_state(snake, food, grid_size): head snake[0] # 食物相对方向上下左右四个布尔值 food_dir [ food[0] head[0], # 食物在上方 food[0] head[0], # 食物在下方 food[1] head[1], # 食物在左方 food[1] head[1], # 食物在右方 ] # 四个方向是否危险撞墙或撞自己 danger [] for d in [(-1,0),(1,0),(0,-1),(0,1)]: nx, ny head[0]d[0], head[1]d[1] if nx 0 or nx grid_size or ny 0 or ny grid_size: danger.append(1) elif (nx, ny) in snake: danger.append(1) else: danger.append(0) return food_dir danger # 8 维向量这段代码把游戏状态压缩成 8 个数字前 4 个表示食物在哪个方向后 4 个表示四个方向是否危险。参数grid_size是网格边长snake是蛇身坐标列表snake[0]是蛇头。逻辑很直白AI 不需要知道整张地图只需要知道「食物在哪、哪边会死」。这种编码方式训练一个浅层网络就能跑出不错的效果而且推理速度极快适合实时决策。2.2 决策循环每帧只做一件事游戏 AI 的决策循环和普通脚本最大的区别是它必须在一帧内完成「感知 → 决策 → 执行」三步不能阻塞渲染。Snake-AI 通常把主循环拆成三个独立模块游戏状态更新、AI 决策、画面渲染。AI 决策模块只负责输出一个动作上下左右不直接操作游戏对象。# 主循环骨架决策与渲染分离 import pygame from ai_agent import Agent pygame.init() screen pygame.display.set_mode((400, 400)) clock pygame.time.Clock() agent Agent(model_pathmodels/snake_dqn.pth) running True while running: for event in pygame.event.get(): if event.type pygame.QUIT: running False # 1. 获取当前状态 state game.get_state() # 2. AI 决策不阻塞渲染 action agent.act(state) # 3. 执行动作并更新游戏 game.step(action) # 4. 渲染 game.render(screen) clock.tick(30) # 限制 30 FPS给 AI 留出推理时间这里的关键参数是clock.tick(30)。如果你不限制帧率AI 推理速度跟不上蛇会瞬移如果限制太低游戏体验又很卡。我一般会先跑 30 FPS观察 AI 推理耗时如果单帧超过 33 毫秒就得换更轻量的模型或者降低状态维度。agent.act(state)内部通常包含一个argmax或epsilon-greedy策略训练时用随机探索推理时直接选概率最高的动作。2.3 可视化不是装饰是调试工具很多人把可视化当成「给用户看的」但在 AI 调试阶段可视化是你唯一的黑匣子。Snake-AI 的资源包里一般会带一个调试面板实时显示当前状态向量、AI 输出的动作概率、累计奖励曲线。我习惯在训练时把每局的奖励曲线画出来如果曲线震荡剧烈说明奖励函数设计有问题如果曲线一直不涨可能是状态表示丢了关键信息。提示调试面板不要等到最后再加从第一版 AI 跑起来就带上。否则你只能靠猜效率极低。3. 从零跑通第一个 AI 蛇环境配置与训练脚本3.1 环境依赖与版本锁定这类项目最常见的翻车点不是算法而是环境。Snake-AI 通常依赖 PyTorch 或 TensorFlow加上 pygame 做渲染。我建议用 conda 建独立环境别混装。下面是我验证过的依赖组合版本号可以根据你本地 CUDA 版本微调但大版本别乱跳。# 创建独立环境Python 3.8 是兼容性最好的版本 conda create -n snake-ai python3.8 conda activate snake-ai # 安装核心依赖 pip install torch1.12.1 torchvision0.13.1 pip install pygame2.1.2 pip install numpy1.21.6 pip install matplotlib3.5.3 # 画奖励曲线用 # 验证安装 python -c import torch; print(torch.__version__)参数说明torch1.12.1是我在多个项目里验证过比较稳的版本CUDA 11.3 和 11.6 都能跑。pygame2.1.2修复了早期版本在 macOS 上的渲染闪烁问题。如果你用 Apple Silicon把 torch 换成torch2.0.0以上版本但要注意 API 有少量变化。3.2 训练脚本怎么读、怎么改训练脚本一般长这样初始化环境、循环采集经验、更新网络、定期保存模型。我拆解一下关键参数。# 训练循环核心参数 EPISODES 2000 # 总训练轮数 MAX_STEPS 500 # 每局最大步数防止蛇绕圈刷分 GAMMA 0.99 # 折扣因子越接近 1 越看重长期奖励 LR 1e-4 # 学习率太大震荡太小不收敛 BATCH_SIZE 64 # 经验回放批量大小 EPSILON_START 1.0 # 初始探索率 EPSILON_END 0.01 # 最终探索率 EPSILON_DECAY 0.995 # 每局衰减系数 for episode in range(EPISODES): state env.reset() total_reward 0 for step in range(MAX_STEPS): action agent.choose_action(state, epsilon) next_state, reward, done env.step(action) agent.store_transition(state, action, reward, next_state, done) agent.learn(BATCH_SIZE) state next_state total_reward reward if done: break epsilon max(EPSILON_END, epsilon * EPSILON_DECAY) # 每 100 局保存一次模型和奖励曲线 if episode % 100 0: agent.save(fmodels/snake_ep{episode}.pth) plot_rewards(rewards_history)逻辑说明MAX_STEPS500是为了防止蛇在安全区域绕圈刷存活时间不设这个上限AI 会学会「苟活」而不是吃食物。GAMMA0.99是强化学习里的经典值贪吃蛇的决策链条不算特别长0.99 足够让 AI 关注到「现在绕路是为了后面吃到食物」。EPSILON_DECAY0.995意味着探索率从 1.0 降到 0.01 大约需要 900 局这个节奏比较稳太快会导致探索不足太慢则训练效率低。3.3 奖励函数设计别让 AI 学会摆烂奖励函数是贪吃蛇 AI 最容易翻车的地方。我见过有人只给「吃到食物 1撞墙 -1」结果 AI 学会在原地转圈——因为不动就不会撞墙虽然吃不到食物但也不会扣分。正确的做法是加一个「距离惩罚」每走一步扣一点点分迫使 AI 尽快找到食物。# 奖励函数设计常见做法 def compute_reward(prev_state, action, next_state, done): if done: return -10.0 # 撞墙或撞自己重罚 if next_state.food_eaten: return 10.0 # 吃到食物重奖 # 距离惩罚离食物越远扣分越多 prev_dist manhattan_distance(prev_state.head, prev_state.food) next_dist manhattan_distance(next_state.head, next_state.food) if next_dist prev_dist: return 0.1 # 靠近食物小奖 else: return -0.1 # 远离食物小罚参数说明-10.0和10.0是稀疏奖励只在关键事件触发0.1和-0.1是密集奖励每步都给。这种组合能让 AI 既有长期目标吃食物又有短期引导靠近食物。注意距离惩罚别设太大否则 AI 会为了靠近食物而冒险撞墙。4. 避坑与排查训练不收敛、蛇绕圈、推理慢的常见原因4.1 现象奖励曲线一直震荡蛇的行为毫无规律原因学习率太大或者经验回放池太小导致样本相关性太高。贪吃蛇的状态转移有很强的时序关联如果回放池只存最近几百条经验网络会过拟合到近期数据。解决把LR降到1e-5同时把回放池容量调到10000以上。如果还震荡检查状态编码里有没有归一化——食物坐标和蛇头坐标如果不做归一化数值范围差异大会导致梯度爆炸。4.2 现象蛇学会了绕圈永远不吃食物原因奖励函数里存活奖励太高或者距离惩罚太弱。AI 发现「绕圈不死」比「冒险吃食物」更划算。解决加一个「步数惩罚」每步固定扣-0.01同时把吃到食物的奖励提高到20。另外MAX_STEPS别设太大500 步足够设成 2000 步 AI 更有动力摆烂。4.3 现象训练时表现很好推理时蛇像傻了一样原因训练时用了epsilon-greedy探索推理时忘了关掉或者模型保存时没保存网络结构加载时层名对不上。解决推理前调用agent.eval()并把epsilon设为 0。保存模型时用torch.save(model.state_dict(), path)加载时先实例化同样的网络结构再load_state_dict。别直接torch.save(model, path)换设备或换版本容易翻车。4.4 现象推理速度慢蛇一顿一顿的原因模型太大或者每帧都在做完整的前向传播。贪吃蛇的状态维度通常只有几十维用不着上 ResNet。解决换 3 层全连接网络每层 128 个神经元足够。如果还慢把推理放到单独线程主循环只取最新动作。我一般会限制 AI 推理耗时在 10 毫秒以内超过就降模型复杂度。4.5 现象蛇在边界附近反复横跳不敢走远原因状态编码里没有「距离边界多远」的信息AI 只能通过撞墙惩罚来学习边界位置效率低。解决在状态向量里加两个归一化值蛇头到上下边界的距离、到左右边界的距离。这样 AI 能直接感知边界不用靠试错。5. 进阶技巧用课程学习让蛇从 10 节活到 100 节5.1 课程学习的核心思路直接训练一条长蛇很难因为初始阶段蛇很短AI 学到的策略在蛇变长后可能失效。课程学习的做法是先在小网格比如 8x8上训练蛇短、食物近AI 很快能学会基本策略然后逐步增大网格到 16x16、24x24同时增加蛇的初始长度。这样 AI 能循序渐进地适应复杂局面。# 课程学习调度器 class CurriculumScheduler: def __init__(self): self.stages [ {grid_size: 8, init_length: 3, episodes: 500}, {grid_size: 12, init_length: 5, episodes: 800}, {grid_size: 16, init_length: 8, episodes: 1200}, {grid_size: 20, init_length: 12, episodes: 2000}, ] self.current_stage 0 self.episode_in_stage 0 def step(self): self.episode_in_stage 1 if self.episode_in_stage self.stages[self.current_stage][episodes]: self.current_stage 1 self.episode_in_stage 0 return True # 需要重置环境 return False def get_config(self): return self.stages[self.current_stage]参数说明每个阶段的episodes是经验值8x8 网格 500 局足够 AI 学会基本避障和吃食物12x12 需要 800 局左右16x16 以上建议 1200 局起步。如果切换阶段后奖励骤降说明上一阶段训练不充分把episodes加 200 再试。5.2 验证课程学习是否生效我习惯在切换阶段时保存一个「阶段模型」然后固定测试 100 局看平均得分和平均存活步数。如果新阶段的平均得分低于上一阶段的 80%说明 AI 还没适应需要回退或者延长当前阶段。阶段网格大小初始蛇长训练局数平均得分测试 100 局18x8350012.5212x12580028.3316x168120045.1420x2012200067.8这张表是我在某次实验里的记录可以看到得分随阶段稳步上升。如果某个阶段得分卡住优先检查奖励函数是否还适用——网格变大后距离惩罚的尺度可能需要调整。5.3 一个容易被忽略的细节蛇的初始方向很多实现里蛇的初始方向是固定的比如向右这会导致 AI 在训练初期对某个方向有偏好。我一般会在每局开始时随机化初始方向让 AI 学会对称的策略。这个改动很小但对最终性能影响不小。从那以后我每次跑贪吃蛇 AI 训练都会先固定随机种子跑一遍基线再开课程学习跑对比。没有基线的实验数据再好我也不敢信。希望帮到你。本文还有配套的精品资源点击获取