数学建模实战：穿越沙漠游戏最优策略全解析（附Python代码）

最新推荐文章于 2026-08-27 14:17:55 发布

原创

最新推荐文章于 2026-08-27 14:17:55 发布 · 1.2k 阅读

数学建模实战：穿越沙漠游戏最优策略全解析（附Python代码）

如果你参加过数学建模竞赛，或者对这类资源规划类问题感兴趣，大概率听说过“穿越沙漠”这个经典题目。我第一次接触它是在准备一场校内赛，当时被它看似简单的规则和背后复杂的决策树给“折磨”了好几天。这不仅仅是一个游戏，更是一个动态资源管理与路径规划的绝佳模型，融合了图论、动态规划、甚至博弈论的思想。对于数学建模爱好者和参赛学生来说，吃透这个题目，相当于掌握了一类优化问题的通用解题框架。

本文将从实战角度出发，抛开那些冗长的论文式论述，直接带你拆解问题核心，手把手构建模型，并用Python代码将策略落地。我们会从最基础的单人全信息场景开始，逐步深入到不完全信息甚至多人博弈的复杂情况。你会发现，所谓的“最优策略”并不是一个静态答案，而是一套根据约束条件动态调整的决策系统。无论你是想备战比赛，还是单纯享受解决复杂问题的乐趣，这篇文章都将提供一条清晰的路径。

1. 问题本质与核心建模框架

很多人一看到题目里又是水、食物、负重，又是矿山、村庄、天气，就觉得头大，容易陷入细节而迷失方向。我们首先需要做的是抽象。剥开游戏的外衣，这个问题的本质是什么？

我认为，它本质上是一个带资源约束和时间窗的最优路径收益问题。玩家可以被看作一个智能体（Agent），地图是一个图（Graph），区域是节点，相邻关系是边。智能体携带两种可消耗资源（水、食物），其总量受负重上限约束。在节点上可以进行多种动作：移动、停留、购买、挖矿。每个动作都会消耗资源（成本），而某些动作（挖矿）能产生收益（资金）。目标是在规定时间内从起点节点移动到终点节点，并最大化最终的资金存量。

基于这个理解，我们可以建立一个核心的建模框架，它由几个相互关联的模块组成：

状态空间定义：这是动态规划思维的关键。我们需要用一个元组来精确描述某一时刻的“局面”。一个完整的状态通常包括：
- 当前所在区域（节点编号）
- 当前日期（第几天）
- 当前持有的水量和食物量（箱数）
- 当前持有的资金数
- （在部分信息场景下）历史的天气序列或已知的天气信息
动作空间定义：在给定状态下，玩家可以采取的行动。通常包括：
- 移动到相邻区域（沙暴日不可用）
- 在当前区域停留
- 若在村庄，可以购买任意数量的水/食物（受资金和负重限制）
- 若在矿山且不是到达当天，可以选择挖矿
状态转移函数：描述执行一个动作后，状态如何变化。这需要精确计算：
- 资源消耗（根据天气和动作类型）
- 资金变化（购买支出、挖矿收入、终点资源回收）
- 位置和时间的更新
目标函数：最终需要最大化的量，即抵达终点时的资金总额。它等于初始资金 - 购买总支出 + 挖矿总收入 + 终点资源回收金额。

有了这个框架，无论题目如何变化（单人/多人、信息是否完全），我们都有了分析和求解的基石。接下来，我们就用代码来具体构建这个框架中最基础的部分。

提示：在编程实现时，强烈建议使用面向对象的思想。例如，定义一个Player类来封装状态属性（位置、资源、资金）和方法（移动、购买等），会让代码逻辑清晰得多。

我们先来定义一些基础数据和结构。假设我们处理第一关，用邻接表来表示地图比邻接矩阵更节省空间，也便于查询。

# 基础参数配置（以第一关示例）
BASE_PRICE = {'water': 5, 'food': 10}  # 基准价格
WEIGHT = {'water': 3, 'food': 2}       # 单位重量（千克）
WEIGHT_LIMIT = 1200                    # 负重上限（千克）
INITIAL_MONEY = 10000                  # 初始资金
MINE_INCOME = 1000                     # 基础挖矿收益
DEADLINE = 30                          # 截止日期

# 不同天气下的基础消耗倍数 (行走消耗 = 基础消耗 * 倍数)
# 规则：停留消耗基础量，行走消耗2倍基础量，挖矿消耗3倍基础量。
WEATHER_CONSUMPTION_MULTIPLIER = {
    'sunny': 1.0,   # 晴朗
    'hot': 1.0,     # 高温
    'sandstorm': 0  # 沙暴，行走倍数为0表示必须停留
}
# 基础消耗量（箱/天），索引0为水，1为食物
BASE_CONSUMPTION = {'sunny': [3, 4], 'hot': [9, 9], 'sandstorm': [10, 10]}

# 第一关地图（区域编号从1开始），用邻接表表示
GRAPH = {
    1: [2, 25],
    2: [1, 3],
    3: [2, 4, 25],
    4: [3, 5, 24, 25],
    5: [4, 6, 24],
    6: [5, 7, 23, 24],
    7: [6, 8, 22],
    8: [7, 9, 22],
    9: [8, 10, 15, 16, 17, 21, 22],
    10: [9, 11, 13, 15],
    11: [10, 12, 13],
    12: [11, 13, 14],
    13: [10, 11, 12, 14, 15],
    14: [12, 13, 15, 16],
    15: [9, 10, 13, 14, 16],
    16: [9, 14, 15, 17, 18],
    17: [9, 16, 18, 21],
    18: [16, 17, 19, 20],
    19: [18, 20],
    20: [18, 19, 21],
    21: [9, 17, 20, 22, 23, 27],
    22: [7, 8, 9, 21, 23],
    23: [6, 21, 22, 24, 26],
    24: [4, 5, 6, 23, 25, 26],
    25: [1, 3, 4, 24, 26],
    26: [23, 24, 25, 27],
    27: [21, 26]  # 终点
}

# 已知的天气序列（第一关30天）
WEATHER_SEQUENCE = ['hot', 'hot', 'sunny', 'sandstorm', 'hot', 'sunny', 'sandstorm', 'hot', 'sunny', 'sunny',
                    'hot', 'hot', 'sunny', 'sunny', 'hot', 'hot', 'sunny', 'sandstorm', 'sandstorm', 'hot',
                    'sunny', 'sunny', 'hot', 'sunny', 'sandstorm', 'hot', 'sunny', 'hot', 'sunny', 'sunny']