A已经读过关于A*和D*以及类似的东西，我无法在它们之间做出选择。当有很多搜索（每勾50次搜索）和许多不同的可能性时，最好的搜索算法是什么？
在两者之间，我会选择D*。D*特别假设一条最佳路径，但如果遇到障碍，则重新计算。这意味着每个爬行者都可以对出口路径有自己的个人看法，当爬行者遇到障碍时，出口路径会更新。
这种对行为调整的最佳路径的假设稍微更现实一些，就好像你或我在这条路上行走，我们在了解障碍之前不会避开它们。如果有人（玩家）建造了一座新塔，它也很好地解释了路径的重新计算。如果你能很好地平衡开放节点的扩展，你甚至可能会有爬行者在位于最佳路径中心的塔的两侧行走。
然而，如果你想真正让它变得有趣，就采取一种基于学习的最佳路径查找方法。比其他解决方案有趣得多。要查看示例，请查看类似antbuster的内容。也许它太有趣了，不太适合标准的塔防游戏类型。
Q-Learning可能是一个不错的选择。Q-Learning试图绘制出一个惩罚/收益网格，在有限的世界中做出局部决策会带来惩罚/收益。