> 编程
这个算法的目的，是找出一根韭葱从给定的格子出发、带着给定数量的 MP 能够到达的所有格子。
具体来说，就是写一个函数：它接收一个格子和一个数字作为参数，返回一个格子数组。
以后要是有人跟你提起“getAccessibleCells”或“getReachableCells”之类名字的函数，你就知道说的是什么了。
只要你开始想提前规划自己的移动，这个函数就必不可少。
知道自己能去哪些格子，就可以挑出受到的潜在伤害最小的格子，或者看看移动到哪里才能打到对手。
这个算法最典型的用武之地之一，就是捉迷藏算法。
其实，实现一种获取可达格子的办法并不难。最简单的做法，就是用 getPathLength 测一遍自己到地图上每个格子的距离。
但这个函数的操作数开销很高。对地图上的每一个格子都调用一次……你的操作数消耗会直接飙上天。
稍微聪明一点的做法，是先找出 MP 范围内的格子，再用 getPathLength 确认它们确实走得到。
这两种方案都行得通，但它们的操作数开销很快就会变得很高。
如果你是新手，而下文要讲的方案在你看来还有点复杂，那么一开始先用这两种做法也完全没问题。 刚开始玩的时候，你要做的计算不一定很多；而且等级低的时候，你的 MP 也不多。所以这些做法你完全用得起。
用这些方法拿到自己的可达格子，毫无压力。
但当你的 MP 变多时，第一个问题就来了。MP 越高，要测试的格子当然就越多。最坏的情况下，如果你拿 getPathLength 把整张地图扫个遍，最后大概会收到一张大约 400 万操作数的账单——“才”这么点而已。
也就是说，留给连招、伤害地图这类其他算法的操作数，就所剩无几了。
而这还没完！还有另一个问题：战斗里可不止你一个。 你多半还需要算出对手的可达格子，才能防住他们的攻击。 要是场上的韭葱们再召唤出一堆球茎，那要算的格子就更多了。
总之，如果你打算用这些方法，把这一大帮家伙的可达格子全都算一遍，那开销可就要让你倾家荡产了。
所以我们会改用另一种高效得多的方法：从一个格子走到它的邻居，再走到邻居的邻居！
首先，什么叫“邻居”？ 一个格子的邻居，就是与它相邻的那些格子。 当然，这里说的是与它有公共边、直接挨在旁边的格子，而不是斜对角的格子。
因此，位于地图四角的格子只有一个邻居，位于边线上的格子有两个，其余的都有四个。
所以你首先要学会的，就是取得一个格子的邻居。 用 getCellX、getCellY 和 getCellFromXY 这几个函数，你可以轻松地找出这些邻居。
能取得一个格子的邻居之后，你还要判断这个格子是否“可通行”。 说白了，如果格子上是障碍物，或者站着一根韭葱，你的韭葱就没法移动到上面去。
要判断这一点，你会用到 isObstacle、isEmptyCell、isEntity 或 getCellContent 这些函数。
原理其实很简单，尽管对编程新手来说，真要写出来不一定那么容易。
你的韭葱站在某个格子上，手上有一定数量的 MP 可以用来移动。 它当前所在的格子，距离是 0 MP；到这里为止，一切都很顺利……
如果你的韭葱有 1 MP，它能移动到哪里？答案是：出发格子周围空着的邻居。
那如果它有 2 MP 呢？花 1 MP，它能走到出发格子空着的邻居上；而花 2 MP，它还能走到这些空邻居的空邻居上。
以此类推……
绿色是出发格子，红色是正在被探索的格子。
像这样从邻居走到邻居，就能得到所有可以移动到的格子；而且还附带一个好处：每个格子需要多少 MP，你也一并知道了。
那什么时候该停下来？当然是没有 MP 的时候。想知道这一点，倒着数就行。
比如说，一根韭葱有 3 MP：原地不动，它还剩 3 MP；移动一格，还剩 2 MP，以此类推……
绿色是出发格子，红色是正在被探索的格子。
就这样！数到零就停，得到的正好是用我们的 MP 能到达的格子。
最后是障碍物的处理，如果还没做的话，要做的只有一件事。 处理障碍物很简单：跳过那些是障碍物、或者被韭葱占着的格子就行。当然，还有地图的边界。
你最终得到的算法，运行起来应该是这样的：
绿色是出发格子，红色是正在被探索的格子。
如果你得到的是这种结果，那么恭喜你，你已经成功写出了一个漂亮的可达格子算法！
注意，这种方法并不一定比用 getPathLength 的那种更省。 要是处理得不好，它反而可能贵得多。
因为当你从邻居到邻居地探索地图时，必须小心别往回走。你要做的是把可达格子的范围不断向外扩展，而不是反过来再把它们重新走一遍。
如果你没防着这一手，像图中那样把一些格子反复走上好几遍，那么随着 MP 变多，操作数开销就可能爆炸。
红色是已经走过的格子，橙色是每次迭代中被分析的格子。
左边是本该发生的情况，右边是你“往回走”时可能发生的情况。
下面是几种改进：有的能减少算法消耗的操作数，有的能让结果用起来更方便。
想用上这个技巧，你需要了解映射的原理，并且会用它。
与其照常把可达格子、或者正在测试的格子存进数组，不如把它们用作映射表的键：这样一来，检查某个格子是否可达、或者是否已经测试过，就不必调用 inArray 函数，只要这么写：
if(mapContainsKey(table, cellule)) { //这个格子已经测试过 } else { //这个格子还没有测试过 }
既然格子就是这张映射表的键，你就可以为每个格子存一条信息，比如走到这个格子所需的 MP 数量。
知道有全局变量这回事，会把数组套进数组里，最好再了解一下 getTurn 函数。
对某个格子来说，它周围不是障碍物的邻居（先不算韭葱）在战斗中一般变化不大。因此没必要每次调用函数时都重新算一遍：只要在第 1 回合把它们存进一个全局变量，做成一个巨大的数组，为每个格子保存一个小数组，里面装着它所有不是障碍物的邻居。 这样，对某个格子，只要遍历这个小数组，逐一检查这些格子有没有被韭葱占着就行了。 你也可以在每个回合开始时修改这个全局变量，去掉被韭葱占住的邻居（并把上一回合被韭葱占住的邻居放回来）。
这种方法基于一种利用二进制性质和按位运算符的地图表示法：一个整数由 64 个二进制位组成，其中一部分位可以用来存储某个格子的信息。
地图被拆成 35 行，每一行对应一个整数。这个整数的第 i 个二进制位，就用来存储该行第 i 个格子的信息。
深蓝色的格子属于第 1 行，亮黄色的格子属于第 8 行，红色的格子是第 19 行的第 3 个格子
接着要按这个思路建两个数组：
然后初始化算法：在第二个数组里，把出发格子对应的位置成 1。
接下来，只要用几个按位运算符，就能找出所有与已可达格子相邻的格子：
//obs 指第一个数组，表示一个格子是否为空 //acc 指第二个数组，表示一个格子是否可达
//情况 1，N 为偶数： acc[N] |= (acc[N-1] | acc[N+1] | (acc[N-1] >> 1) | (acc[N+1] >> 1)) & obs[N] //情况 2，N 为奇数： acc[N] |= (acc[N-1] | acc[N+1] | (acc[N-1] 注意：自从整数用 64 位而不是 32 位表示以来，除了这一种，你还可以用别的方式来表示地图。哪种最顺手，就由你自己挑了！
注意 2：（有难度）自从有了 BigInteger，你可以只用一个变量来表示整张地图，再用掩码取出偶数行或奇数行的格子。小心边界！
这种方法用的是按位运算符，它们的特点是每个只消耗 1 次操作。因此，它在操作数上比其他方法便宜得多。 不过它也不完美：比如说，要知道走到某个格子需要多少 MP，就比较困难。
欢迎去看看 Leek Wars 论坛上的这个主题。
你可以把自己算法的结果拿去和其他玩家比一比。
在那里你还能找到很多思路，用来优化你代码的操作数开销。
Impossible de charger les données du jeu.
Vérifiez votre connexion et réessayez.
