我目前正在尝试 Java AI 编程，并参与一个 AI 挑战。在这个挑战中，我的 AI 需要在 2 秒内对新的游戏状态做出响应。如果超过 2 秒没有做出响应，我的 AI 就会被判输。游戏由一个包含目标和敌人的网格组成，每个敌人都是游戏生成的独立 AI。我已经实现了一个标准的 A* 算法来寻找最近的可用目标。

我希望我的 A* 算法能够增加靠近可能危险的敌人的方块的成本，从而避免危险路径。我正在考虑使用一个二维数组来存储每个方块的预估生命损失，仅限于计算每个敌人周围约 2 个方块的范围（约 5×5）。每回合，对于每个敌人，这个数组会有一个 5×5 的方块被设置为 0 并重新计算。

假设我编写的代码只做必要的工作并继续执行… 一个包含 20×20 到 100×100 元素的二维数组会显著影响执行时间吗？使用一个包含每个方块预估威胁的二维数组来计算 A* 算法中的成本，以避免敌人，是一个好方法吗？

更新：我已经完美地实现了它。我使用的成本函数如下：

对于每个敌人    计算曼哈顿距离    如果为 0 或 1，成本 += 绝对值(敌人生命 - 生命) / 5    否则如果为 2，成本 += 绝对值(敌人生命 - 生命) / 10    否则成本 += 0

使用这个函数，我看到了非常出色的路径查找和移动；机器人经常在没有其他移动选项时进行计算风险以到达目标，但在其他情况下基本避免敌人。我对添加这个启发式函数的性能成本如此微不足道感到非常惊讶。这不是游戏的完美解决方案，但它让我看到了 A* 算法的强大之处。

A* 算法通常用于路径查找，但我打算将其修改为用于游戏状态的前瞻。我相当确定这会将其转变为 minimax 算法。

回答：

如果你只计算一次数组的内容，并且每个单元格的计算只是简单地检查几个相邻单元格是否有敌人，那么一个 100×100 的数组相对于你的时间限制来说根本不算什么工作量。

根据你帖子的信息，这听起来是个好主意。