狄杰斯特拉算法 vs A_star 算法

杂谈

狄杰斯特拉算法（以下简称为D 算法）和A* 算法，网上的学习资料很多，在此不在赘述。以下做出几点总结：

1、D 算法 是可以可以获取一个全局最优解。

2、但是A* 算法 只有在 启发代价h <= 当前位置到终点的实际代价的时候 ，才能获得全局最优解。3、当h(n)的值越小，算法将遍历越多的节点，也就导致算法越慢。并且 当启发代价h =0的时候，算法会退化成D 算法。如果h(n)完全等于节点n到终点的代价，则A算法将找到最佳路径，并且速度很快。可惜的是，并非所有场景下都能做到这一点。因为在没有达到终点之前，我们很难确切算出距离终点还有多远。

4、如果h(n)的值比节点n到终点的代价要大，则A*算法不能保证找到最短路径，不过此时会很快，类似BFS。

算法流程

两者流程很相似，伪代码如下：

1、定义 openlist，和closelist
2、将start 点加入到openlist
3、if openlist 不为空
      从openlist 中选择总代价最小的节点，作为cur节点
      if cur 节点 = 目标节点，则退出算法，回溯生成路径。
      将cur 从openlist 中删除，加入closelist
      遍历cur的周边节点
      if 该节点在closelist 中，或者是障碍物，则 跳过该节点
      if 该节点 不在openlist中，或者该节点算出的代价，比openlist中原本的代价小
         更新openlist中的节点
     
      

可运行的c++ 代码，参考如下：

GitHub - KJsouth/A_star

效果对比：

1、D 算法

2、 A*

结论：两者都可以计算出最优结果，但是A* 比D快很多。

参考：

 Introduction to the A* Algorithm

自动驾驶路径规划——A*（Astar）算法_yuan〇的博客-CSDN博客_astar路径规划