A*算法 一看便懂(Python）

最佳优先搜索算法
工作原理：依据某种代价对节点进行排序，并优先扩展代价低的节点。
优先访问代价小的节点：
1.找出最优
2.更快找出目标节点
注：一致代价搜索（UCS算法）是最佳优先搜索的特例；A*算法也是最佳优先搜索算法的特例。

贪心最佳优先搜索
启发函数h(n)：估算节点n到目标节点的代价
h(n)的限制：非负；不能高估
代价函数：f(n)=h(n),g(n)≡0
工作原理：试图从局部最优达到总体最优
弊端：在一些情况下，局部最优并不能达到总体最优，例如：迷宫算法

A * 搜索算法
~前言：Dijkstra的算法很好地找到了最短的路径，但是却浪费了时间在没有希望的方向上进行探索。贪婪最佳优先搜索在有希望的方向上进行探索，但可能找不到最短的路径。A * 算法结合了这两种算法。Dijkstra的算法计算到起点的距离。贪婪最佳优先搜索估计到目标点的距离。A * 使用的是这两个距离的和。

~工作原理：f(n)=h(n)+g(n)，g(n)：开始节点到n节点的实际路径代价；h(n)：估算节点n到目标节点的代价。故，A*算法首先扩展f(n)值最小的节点

~对启发函数的2个限制：
1.h(n)必须可接受或具有可接受性
2.h(n)必须是一致的或具有一致性或单调性

~注：单调一致的启发函数一定是可接受的

~优点：一个节点被访问后不会再被访问。完备性和最优性，在满足单调一致条件时，具有效率最优性。

~缺点：
1.对于相当多的问题，在搜索空间中处于目标等值线以内的节点数量，仍然与解路径的长度呈指数级增长。
2.A * 算法在内存中保存了所有已生成的节点，A *算法常常在问题求解之前就已经耗尽了内存。
不适用情况：对于很多大规模搜索

~如何找启发函数：
子问题的最优代价可以作为启发函数，正方形网格适合用曼哈顿距离作为启发函数
1.允许四个方向移动的正方形网格，启发函数适合用曼哈顿距离。
2.允许八个方向移动的正方形网格，启发函数适合用对角线距离
3.允许各个方向移动的正方形网格，可以试试欧式距离

下面是将A*算法应用到8数码（Puzzles8）问题上的流程：
sum(h(n))=|目标点.row-该点.row|+|目标点.col-该点.col|，根据算出的f(n)进行优先级排序，选择出优先级高的作为下一步
1.
2.
3.
4.
5.
：
：
：
：
24.

下面是对应的代码：

# -*- coding: utf-8 -*-
"""
Created on Sun Oct 21 15:25:43 2018

@author: duxiaoqin
Functions:
    (1)