4、对吃掉的墙用覆盖底色的操作来进行迷宫的填充。整个思路走下来，其实就是个算法问题，OpenGL并不很多，玩一玩，图个乐子~后来我索性利用双缓存做成了一个简单的动画效果，每一步延迟500ms，写出来以后，看着小老鼠一步一步吃墙的效果，我觉得自己非常无聊，果断恢复。。。
以下是效果图：（左下角是出口，右上角是入口，分别用缺口来表示）
下面着重一下存在的问题——伪随机性。对的，虽然用rand来随机出小老鼠每一步的方向，但是这是个确定的值，除非人为的设置种子（srand），这样就可以出现完全不同的造型。我考虑过用系统时间做种子的方法，但不对。原因很简单，系统运算速度非常快，1s中的时间，随机数根本不会发生变化。否则，就像我之前写的小老鼠吃墙的动画效果一样，一秒钟一步慢慢来。以网格20*30的规模来构造迷宫的话，，一共2000多步，也就是40分钟左右。。。这是一种伤不起的行为所以暂时拿不出一个更好的方法来生成随机迷宫，如果把它作为抛砖引玉的话，可以引申考虑一下。/////////////////////////////////////////////部分代码//////////////////////////////////////////////构建部分 ：
/***********************开始构建迷宫*********************************/int direction;//0 == down, 1 == up, 2 == right, 3 == leftint temp_x = 0;//定义出发点相对坐标int temp_y = 0;int before_x = 0;int before_y = 0;cell[temp_x][temp_y].eaten = true;//定义出发格为已访问cell[temp_x][temp_y].x = START_X ;//定义出发格为[0][0]cell[temp_x][temp_y].y = START_Y ;cell[temp_x][temp_y].point.x = 10.0;//定义出发格的视图坐标（10,20）cell[temp_x][temp_y].point.y = 20.0;cell[temp_x][temp_y].before = &cell[temp_x][temp_y];cell[temp_x][temp_y].before -> x = START_X;cell[temp_x][temp_y].before -> y = START_Y;glColor3f(0.1, 0.1, 0.1);//设置覆盖颜色为背景色glRectf(10 + 2, 20 + SIZE/2, 10 + SIZE – 2, 20 – SIZE/2);//显示起始位置glRectf(10 + (VERTICAL_NUMBER – 1) * SIZE + SIZE/2, 20 + (HORIZONTAL_NUMBER – 1) * SIZE + 2, 10 + VERTICAL_NUMBER * SIZE + SIZE/2, 20 + HORIZONTAL_NUMBER * SIZE – 2);
只列出判断老鼠的方向向下部分：
direction = random(4);//随机设定方向//if (temp_x == EXIT_X && temp_y == EXIT_Y) break;//如果到终点了，就结束if (direction == 0)//下//1、是否向下 {if (temp_x > 0)//2、如不在下边界{if (cell[temp_x – 1][temp_y].eaten == false)//3、如左边的格未访问过{cell[temp_x][temp_y].left = 1;//将本格左边设定为eatencell[temp_x – 1][temp_y].right = 1;//将下一格右边设定为eatencell[temp_x – 1][temp_y].eaten = true;//将下一格设定为eatencell[temp_x – 1][temp_y].before = &cell[temp_x][temp_y]; //将即将当前格设定为beforecell[temp_x – 1][temp_y].x = temp_x – 1;//记录下一格的坐标存到下一格的（x,y）中cell[temp_x – 1][temp_y].y = temp_y;cell[temp_x – 1][temp_y].point.x = cell[temp_x][temp_y].point.x;cell[temp_x – 1][temp_y].point.y = cell[temp_x][temp_y].point.y – SIZE;glRectf(cell[temp_x][temp_y].point.x + 2, cell[temp_x][temp_y].point.y + SIZE/2, cell[temp_x – 1][temp_y].point.x + SIZE – 2, cell[temp_x – 1][temp_y].point.y + SIZE/2);//填充temp_x -= 1;}else//3、如下边的格已访问过,判断周围是否已访问，若都访问，回退，若存在未访问，进入下一循环if( cell[temp_x][temp_y – 1].eaten == true &&cell[temp_x][temp_y + 1].eaten == true &&cell[temp_x + 1][temp_y].eaten == true &&cell[temp_x – 1][temp_y].eaten == true){before_x = temp_x;before_y = temp_y;temp_x = cell[before_x][before_y].before -> x;temp_y = cell[before_x][before_y].before -> y;}//end 3//cout<<direction<<"("<< temp_x <<","<<temp_y<<")"<<" -> ";continue;}else//2、如在下边界，判断周围是否已访问，若都访问，回退，若存在未访问，进入下一循环if( cell[temp_x][temp_y – 1].eaten == true &&cell[temp_x][temp_y + 1].eaten == true &&cell[temp_x + 1][temp_y].eaten == true){before_x = temp_x;before_y = temp_y;temp_x = cell[before_x][before_y].before -> x;temp_y = cell[before_x][before_y].before -> y;}//end 2//cout<<direction<<"("<< temp_x <<","<<temp_y<<")"<<" -> ";continue;}//end 1———————————————–——————————————————————————————关于迷宫解法是个典型深度优先搜索问题。现在脑袋跟不上，回头弄了。。。
用敬业的精神去面对每一份挑战，
