A*算法（一）：4方向

目录

A算法（一）：4方向
A算法（二）：8方向
A算法（三）：双向策略与类似算法
A算法（四）：权值与混合型地图
A*算法（五）：在三维地图的可行性

介绍与准备

A*算法是一种用于方格地图寻找最短路径的算法，这种算法适用于静态地图。本篇文章讲述A*算法的最简版本，也就是只考虑四个方向的A*算法。所谓的四个方向就是指可以上下左右移动，但不允许斜着移动。

方格内有A，B，C三个变量。
A指初始位置到当前方格的最小代价
B指当前方格到终点的估计代价
C指A + B的值

例如下图，橙色方块A = 1，B = 5，C = 1 + 5 = 6。B所谓的估计代价就是当前方块与终点的横向差值（绝对值）和纵向差值（绝对值）的和。对于橙色方块而言横向差值为3，纵向差值为2，所以橙色方块的B = 5。

同理可以计算出蓝色方块的A = 2，B = 4，C = 6。这个时候思考一下，C = A + B是指什么？其实它指的就是在经过该方格的前提下，从起点到达终点的估计值。

了解了这三个变量之后就可以开始A*算法了。

思想与思路

在此之前，我们先回忆一下广度优先遍历算法。广度优先遍历核心思想就是一层一层地向外扩张，例如下图的遍历顺序。

A算法也是类似的，唯一不同的是A只让C值最小且没访问过的方格入列。这么说也许还是太抽象了，下面就来通过实例来讲解。

实例过程

首先，访问起点，接着计算起点的相邻点，把A，B，C值都算出来，如下图。

此时访问C值最小且没访问过的方格，也就是（2,1）和（1,2），并计算它们的相邻点的A，B，C值。如下图。橙色是访问过的方格。

重复上一步的操作，访问C值最小且没访问过的方格，也就是（1,3）和（3,1），并计算它们的相邻点的A，B，C值。如下图。

重复上一步的操作，访问C值最小且没访问过的方格，也就是（3,2），并计算它的相邻点的A，B，C值。如下图。

不断重复着上述操作，直到访问到终点即可。如下图。

已经探索到终点的位置了，接着再从终点的位置往起点搜索，沿途访问C值最小的相邻方格便能引出最短路径。

比较分析

下面是找到终点时的图片，我们注意一下（0,0），（0,6），（4,0），（4,6），这四个点是在同一轮内访问的，因为它们的C值相同。只有当（0,5）及（4,5）访问后才会考虑以上四个点，这里就起到了及时“止损”的作用，也就是说尽量减少不必要的扩张，而不像广度优先遍历那样盲目扩张。

最后

本篇文章详细讲述了，A*算法的执行过程，不过4方向的A*算法仅仅是最简单的版本。下一篇我们来看看8方向的A*算法是如何进行的。