A*算法（四）：权值与混合型地图

上一篇文章讨论了双向策略以及类似的算法，本篇文章在原有A*算法上进行更深入的思考，看看如何通过权值来解决混合型地图的循迹问题。

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

思想与思路

我们先来思考一个问题。100米的水泥地、100米的沙地和100米的泥潭，很显然在水泥地上跑是最快的。那么在方格地图上应该怎么表示呢？

用不同颜色表示就可以了，如下图，灰色是水泥地，黄色是沙地，棕色是泥潭。

此时又有一个问题，“最小代价”指的是什么？

看看下面的图片。如果“最小代价”是指距离长度，那么蓝色就是“最小代价”的路线，而不是红色。

我们给不同地质的方块设定一个权值，水泥地（灰色）最好走，权值为1，沙地（黄色）较难走，权值为2，泥潭（棕色）最难走，权值为10

如果“最小代价”是时间，那么虽然水泥地路线（红色路线）绕了个大弯，但是总时间却是最短的

混合型地图计算最短时间

接下来我们计算一下一张混合型地图的最短时间。水泥地（灰色）最好走，权值为1，沙地（黄色）较难走，权值为2，泥潭（棕色）最难走，权值为10。地图如下，方便起见，斜着走按乘1计算，而不乘根号2。

和之前一样，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

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。

紫色框表示访问过的方格。

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



如此一来就找到了耗时最短的路径（天蓝色方块）。

下图虽然红色路径的步数和上述的步数一样，都是5步，但是在（4,3）的位置走了泥潭（权值为10），大大增加了时间消耗，所以会被排除掉。

最后

本篇文章讲述了如何使用权值来解决混合型地图的问题。下一篇文章，我们来讨论一下A*算法在三维空间的可行性。