还是这个问题,只不过现在的输出是找出最短路径。
按照之前的BFS,它是用来得到所能到达的瓷砖总数量,同时也能得到很多条到达终点的路径,也能求最短路径。因为这是方形的,点与点之间的距离是相同的,如果点与点之间的距离不一定相同呢?那么绕路就可能会更加的近(此时的绕路看似是经历了多个点,但是其实距离更近,脑补带权的图)。这种情况,BFS显然不适用。
对于个图,从@出发到t(target),用BFS那么会走很多“冤枉路”,因为我的目标是找到@到t的最短路径,如果按照普通BFS,那么会遍历所有的点,时间复杂度会有所提高。按照我们人的思路,t在右边,那么肯定是往右边找最短路径啊。就是有一个大致的方向的去搜索,而普通的BFS就是全盘搜索再比较长度。那计算机怎么做到这种“人工智能”呢?
这时候用到A*算法,A*算法简单的说是“BFS+贪心”
A*算法的一般性描述参考书本:
这题中的启发函数用到曼哈顿距离,这个曼哈顿距离在计算机视觉领域中有涉及。
曼哈顿距离d=|x1-x2|+|y1-y2|,(x1,y1),(x2,y2)分别是起点坐标与终点坐标
在上面的起点终点图中,我们按照下图的方法来搜索
箭头上的小标代表@到t的曼哈顿距离,那么曼哈顿距离的长度决定了搜索的方向,通过每一次出队入队后判断曼哈顿距离就可以确定搜索的大致方向,就能省去很多多余的搜索路径,这在一定程度上减少了时间复杂度,也达到了简单的“人工智能”。