Minimax是一个相对简单的选项，它使用对抗性游戏的“传统”人工智能技术（因此与机器学习的使用相比，它更像是一个“研究项目”）。

其成分是：

1. 蛇可以从其当前位置立即执行的所有动作的列表。
2. 衡量结果世界状态的质量（又名“适应度”）。

传统上为两个对手指定，minimax 算法向前看指定数量的移动（在每个回合的对手之间交替）并尝试找到一个世界状态最大化一个对手的质量度量，同时最小化另一个对手。

本文给出了两人算法对 n 个对手的扩展（正如 OP 所要求的那样）。

一般来说，这类视频游戏中的 AI 主要是寻路（为程序提供可能的对象位置的地图）和/或与用户位置（已知)，所以严格意义上来说并没有什么真正的智能，它只是看起来那样。

在你的情况下，我会考虑使用纬度和经度坐标（大多数 3d 引擎有一些变化）作为球体上投影网格的基础，你的蛇也需要被限制在球体表面和规则/算法/地图调整得到你想要的。

1. 将地球分成一个“细胞”。每个单元格将有多个邻居，具体取决于您如何划分地球。看看https://gamedev.stackexchange.com/questions/3360/when-mapping-the-surface-of-a-sphere-with-tiles-how-might-you-deal-with-polar-d和https://gamedev.stackexchange.com/questions/45167/square-game-map-rendered-as-sphere了解如何划分全局的想法。
2. 一旦所有单元都连接起来，您就可以使用A-star 搜索算法为 AI“蛇”找到最佳路径。
3. 改变启发式函数，使对手对面的细胞比你蛇侧的细胞更有利。这将导致 AI 蛇总是试图以“包围”对手的副作用到达对手的另一侧。

这是一个相当高的要求。我不能为你回答你的问题，但我可以建议从哪里开始。

你可以考虑制作一个用于导航和简单行为的神经网络。

请参阅以下 youtube 视频以获取导航参考 https://www.youtube.com/watch?v=0Str0Rdkxxo

下一个视频展示了使用神经网络，您可以让一个演员根据另一个演员做出决定。“坦克”大战 https://www.youtube.com/watch?v=u2t77mQmJiY

剩下的就靠你自己想办法了。练习一些简单的神经网络