A*搜索算法（python）学习思考和总结记录1

1.使用A*算法核心目的：在地图上，从起点到终点，寻找一条代价最小的路径。

2.核心公式：F=G+H

F:节点移动的总代价（可以理解为当前节点从起点到终点的距离）

G:起点到目标节点的代价（起点到目标节点走过的距离）

H：当前目标节点到终点的预估代价，忽略障碍的最小距离。

在计算H代价时，使用曼哈顿算法及设当前节点坐标位置为（x1，y1），终点为（x2，y2），

H=|x1-x2|+|y1+y2|。

3.算法设计思路：从起点开始，检查相邻的方块，向四周开始扩散检查，一直到寻找到目标节点为止。

（1）设置两个参数，一个为起点（start），一个为终点（final）。current为新节点，

（2）建立两个列表，一个为需要搜寻节点列表（search list），一个为已被搜寻节点的列表（over search list）。

（3）将起点放入到search list当中，设置一个循环遍历搜寻起点周围的所有方格，并将它们放入到search list当中。

（4）将起点（start）从search list中删除，添加到oversearch list当中。

（5）计算search list当中所有方格的F值，F=G+H，在计算H时，先忽略障碍的影响，使用曼哈顿算法计算距离。G为从起点start到当前方格的距离。然后开始比较search list当中方格F值，选取一个最小的方格设置为新的节点current。将这个current节点从search list里删除，添加到oversearch list当中。

（6）对当前的新节点附近的方格进行搜寻，对于障碍方格和在oversearch list当中的方格进行忽略 。将不在search list 当中新搜寻的方格添加到其中。计算search list当中方格的F值。如果当前新节点的相邻节点已经存在在search list 当中了，就要开始去判断新的相邻方格从起点到该店的G代价时否更小。如果G值更小，去计算F代价的值，无需改变H代价，因为该点到终点的值时固定的。如果G点更大，则不需要改变。

（7）将当前的节点current从search list 当中删除，添加到oversearch list当中，在search list当中寻找F代价最小的节点设置为current，寻找他的相邻方块，将没有在search list当中的方块添加到其中。再删除当前的节点，添加到oversearch list当中，如此往复寻找到一条能够通往终点的路径。

（8）结束判断的条件，再search list当中能够找到final这个节点，则表示已经找到终点，完成任务。或者是当所有的方块都已经搜寻完之后，search list已经为空，无法再继续进行搜寻下去，也结束判断。