A*算法（二）：8方向

上一篇文章讲解了A*算法的最简版本，不了解的朋友可以先看看4方向的A*算法的全过程，再来看本篇文章。

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

准备工作

在讲解8方向A*算法前，我们需要想想这个“最小代价”是指什么。
第一种情况，如下图，如果离开A到周围的8个方格的代价均是1，那么从起点到终点的“最小代价”就是指最少需要走几步。

第二种情况，如下图，如果斜着走的代价是√2，那么从起点到终点的“最小代价”就是指最小距离长度。

基于步数的8方向A*算法

和上一篇一样，我们给每个方格定义变量A、B、C
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
但和4方向A*算法不同的是，8方向允许斜着计算B，例如下图。
（0,4）的B = 3, （1,2）的B = 3

了解这一点不同后，我们来看看它的全过程。先计算起点周围方格的A、B、C，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。

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（0,2）、（1,3），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（0,1）、（1,0）、（0,3）、（3,2），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（3,3）、（4,3），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（4,4），并计算它的相邻点的A，B，C值。如下图。

此时，终点的A = 5、B = 0、C = A + B = 5，也就是说起点到终点的最小步数为5。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。可以看到最短路径不止一条，如下图。

基于距离长度的8方向A*算法

A还是指初始位置到当前方格的最小代价
B还是指当前方格到终点的估计代价
C还是指A + B的值
只不过现在斜着走算√2，例如下图。
（1,1）的B = 2√2 + 2，（0,1）的B = 3√2 + 1。
但为了计算方便，这里把√2 近似等于 1.4。于是（1,1）的B = 2.8 + 2 = 4.8，（0,1）的B = 4.2 + 1 = 5.2。

了解这一点不同后，我们来看看它的全过程。先计算起点周围方格的A、B、C，如下图。









终于找到终点了。同样地，从终点向起点回溯。于是最短距离长度为6.2。

最后

本篇文章分别从基于步数和基于距离长度讲述了8方向A*算法的执行过程。下一篇讲述双向策略以及类似的算法。