简而言之，不是很好。如果你改变了《吃豆人》迷宫，眼睛就不一定会回来。有些四处游荡的黑客就有这个问题。所以它依赖于一个合作迷宫。

下面是ammoQ的洪水填充想法的模拟和伪代码。

queue q
enqueue q, ghost_origin
set visited

while q has squares
   p <= dequeue q
   for each square s adjacent to p
      if ( s not in visited ) then
         add s to visited
         s.returndirection <= direction from s to p
         enqueue q, s
      end if
   next
 next

它的思想是宽度优先搜索，所以每次你遇到一个新的相邻正方形s，最好的路径是经过p。我相信是O(N)。

实际上，我想说你的方法是一个非常棒的解决方案，与任何类型的寻径相比，运行时间成本几乎为零。

如果你需要将其推广到任意地图，你可以使用任何寻径算法——例如，宽度优先搜索很容易实现——并在游戏运行前使用该算法计算在每个角落编码的方向。

编辑(2010年8月11日):我刚刚看到了关于吃豆人系统的一个非常详细的页面:the Pac-Man Dossier，既然我已经得到了公认的答案，我觉得我应该更新它。这篇文章似乎没有明确地涉及回到怪物房子的行为，但它指出了《吃豆人》中的直接寻路是以下情况:

继续向下一个路口移动(尽管这本质上是一种特殊情况，即“当有选择时，选择不涉及反转方向的方向，如下一步所示); 在十字路口，看看相邻的出口方块，除了你刚刚出来的那个; 选一个离目标最近的。如果有多个方向同样接近目标，则按以下顺序选择第一个有效方向:上、左、下、右。

Dtb23的建议是在每个角落随机选择一个方向，最终你会发现怪物洞听起来非常低效。

然而，你可以利用它低效的“回家”算法，通过在游戏难度中引入更多变化来让游戏变得更有趣。你可以通过应用上面的方法，比如你的路径点或洪水填充来做到这一点，但这样做是非确定性的。所以在每个角落，你都可以生成一个随机数来决定是走最优路线，还是随机方向。

随着玩家不断推进关卡，你将减少玩家选择随机方向的可能性。这将在关卡速度，幽灵速度，吃药丸暂停等之外为整体难度关卡添加另一个杠杆。你有更多的时间放松，而鬼魂只是无害的眼睛，但随着你的进步，时间会越来越短。

最初的《吃豆人》并没有使用寻径或花哨的AI。它只是让玩家觉得游戏比实际更有深度，但实际上它是随机的。正如Ian Millington和John Funge在《ai Intelligence for Games》中所述。

Not sure if it's true or not, but it makes a lot of sense to me. Honestly, I don't see these behaviors that people are talking about. Red/Blinky for ex is not following the player at all times, as they say. Nobody seems to be consistently following the player, on purpose. The chance that they will follow you looks random to me. And it's just very tempting to see behavior in randomness, especially when the chances of getting chased are very high, with 4 enemies and very limited turning options, in a small space. At least in its initial implementation, the game was extremely simple. Check out the book, it's in one of the first chapters.

对于我的《吃豆人》游戏，我创造了一个“最短多条回家路径”算法，它适用于我所提供的任何迷宫(在我的规则集内)。它也适用于隧道。

当关卡被加载时，每个十字路口的所有归途数据都是空的(默认)，一旦幽灵开始探索迷宫，它们每次遇到“新的”十字路口或从不同的路径再次遇到已知的十字路口时，它们的归途路径信息就会不断更新。