A* 算法的 Python 实现

本文使用 Python 语言实现 A* 算法。
算法流程和原理不赘述。

代码文件结构:
文件结构

point.py

import sys


class Point(object):
    def __init__(self, x: int, y: int):
        self.x = x
        self.y = y

        self.cost = sys.maxsize

        self.parent = None


map.py

from typing import Tuple, List

from point import Point


class Map(object):
    def __init__(self, width: int, height: int, obstacles: List[Tuple[int, int]] = []):
        self.width = width
        self.height = height

        self.obstacles = [Point(x=osc[0], y=osc[1]) for osc in obstacles]

    def is_obstacle(self, i: int, j: int):
        for p in self.obstacles:
            if i==p.x and j==p.y:
                return True
            
        return False


a_star.py
有可视化的代码,最终生成视频,生成后可将中间生成的图片删除。

import os
import sys
import time
from typing import Tuple, List

from matplotlib.patches import Rectangle
import cv2
import glob

from point import Point
from map import Map


class AStar(object):
    """
    A* algorithm
    """
    def __init__(self, map: Map, origin: Tuple[int, int], target: Tuple[int, int]):
        """
        initialise
        
        :param map:  map
        :param origin:  starting point coordinates
        :param target:  ending point coordinates
        """

        self.map = map

        self.origin = Point(x=origin[0], y=origin[1])
        self.target = Point(x=target[0], y=target[1])

        self.open_points = []
        self.close_points = []

    def _basic_cost(self, point: Point):
        """
        basic cost from origin
        """
        return abs(point.x - self.origin.x) + abs(point.y - self.origin
  • 0
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
A*算法是一种启发式的搜索算法,用于在图形或网络中找到最短路径。它是基于深度优先算法和广度优先算法的一种融合算法,通过使用启发式函数来评估每个节点的优先级,以确定下一个要扩展的节点。\[2\] 在A*算法中,每个节点都有一个估计的成本,由两部分组成:从起始节点到当前节点的实际成本(g值)和从当前节点到目标节点的估计成本(h值)。通过将这两个成本相加,可以得到一个节点的总成本(f值)。算法会选择具有最低总成本的节点进行扩展,直到找到目标节点或搜索完整个图形。\[1\] A*算法的步骤包括预处理、开始搜索、继续搜索和确定实际路径。在预处理阶段,需要初始化起始节点和目标节点,并计算起始节点的f值。然后,在开始搜索阶段,将起始节点添加到一个优先队列中,并按照f值的顺序进行扩展。在继续搜索阶段,算法会选择具有最低f值的节点进行扩展,并更新其邻居节点的f值。最后,在确定实际路径阶段,可以通过回溯从目标节点到起始节点,以找到最短路径。\[3\] A*算法可以使用Python或C++等编程语言进行实现。在Python中,可以使用优先队列和适当的数据结构来实现A*算法。具体的实现细节可以参考相关的参考资料和代码示例。\[4\] #### 引用[.reference_title] - *1* *2* *3* [【路径规划】全局路径规划算法——A*算法(含python实现 | c++实现)](https://blog.csdn.net/weixin_42301220/article/details/125140910)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值