深入A*算法

 -浅析A*算法在搜索最短路径中的应用

                                                  Sunway
  目 录
  1
A*算法的程序编写原理
  2 用A*算法实现最短路径的搜索



  在这里我将对A*算法的实际应用进行一定的探讨,并且举一个有关A*算法在最短路径搜索的例子。值得注意的是这里并不对A*的基本的概念作介绍,如果你还对A*算法不清楚的话,请看姊妹篇《初识A*算法》。
  这里所举的例子是参考AMIT主页中的一个源程序,你可以在AMIT的站点上下载也可以在我的站点上下载。你使用这个源程序时,应该遵守一定的公约。

1、A*算法的程序编写原理
  我在《初识A*算法》中说过,A*算法是最好优先算法的一种。只是有一些约束条件而已。我们先来看看最好优先算法是如何编写的吧。如图有如下的状态空间:(起始位置是A,目标位置是P,字母后的数字表示节点的估价值)。
  如图有如下的状态空间:(起始位置是A,目标位置是P,字母后的数字表示节点的估价值)

图1 状态空间图

  搜索过程中设置两个表:OPEN和CLOSED。OPEN表保存了所有已生成而未考察的节点,CLOSED表中记录已访问过的节点。算法中有一步是根据估价函数重排OPEN表。这样循环中的每一步只考虑OPEN表中状态最好的节点。具体搜索过程如下:

  1)初始状态:
      OPEN=[A5];            CLOSED=[];
  2)估算A5,取得搜有子节点,并放入OPEN表中;
      OPEN=[B4, C4, D6];        CLOSED=[A5]
  3)估算B4,取得搜有子节点,并放入OPEN表中;
      OPEN=[C4, E5, F5, D6];      CLOSED=[B4, A5]
  4)估算C4;取得搜有子节点,并放入OPEN表中;
      OPEN=[H3, G4, E5, F5, D6]     CLOSED=[C4, B4, A5]
  5)估算H3,取得搜有子节点,并放入OPEN表中;
      OPEN=[O2, P3, G4, E5, F5, D6];  CLOSED=H3C4, B4, A5]
  6)估算O2,取得搜有子节点,并放入OPEN表中;
      OPEN=[P3, G4, E5, F5, D6];    CLOSED=[O2, H3, C4, B4, A5]
  7)估算P3,已得到解;

  看了具体的过程,再看看伪程序吧。算法的伪程序如下:

  Best_First_Search()
  {
    Open = [起始节点];
    Closed = [];
    while ( Open表非空 )
    {
      从Open中取得一个节点X, 并从OPEN表中删除.
      if (X是目标节点)
      {
        求得路径PATH;
        返回路径PATH;
      }
      for (每一个X的子节点Y)
      {
        if( Y不在OPEN表和CLOSE表中 )
        {
          求Y的估价值;
          并将Y插入OPEN表中; 
//还没有排序
        }
        else if( Y在OPEN表中 )
        {
          if( Y的估价值小于OPEN表的估价值 )
            更新OPEN表中的估价值;
        }
        else
//Y在CLOSE表中
        {
          if( Y的估价值小于CLOSE表的估价值 )
          {
            更新CLOSE表中的估价值;
            从CLOSE表中移出节点, 并放入OPEN表中;
          }
        }
        将X节点插入CLOSE表中;
        按照估价值将OPEN表中的节点排序;
      }
 //end for
    } //end while
  } //end func

  啊!伪程序出来了,写一个源程序应该不是问题了,依葫芦画瓢就可以。A*算法的程序与此是一样的,只要注意估价函数中的g(n)的h(n)约束条件就可以了。不清楚的可以看看《初识A*算法》。好了,我们可以进入另一个重要的话题,用A*算法实现最短路径的搜索。在此之前你最好认真的理解前面的算法。不清楚可以找我。

2、用A*算法实现最短路径的搜索
  在游戏设计中,经常要涉及到最短路径的搜索,现在一个比较好的方法就是用A*算法进行设计。他的好处我们就不用管了,反正就是好!
  注意下面所说的都是以ClassAstar这个程序为蓝本,你可以在这里下载这个程序。这个程序是一个完整的工程。里面带了一个EXE文件。可以先看看。
  先复习一下,A*算法的核心是估价函数f(n),它包括g(n)和h(n)两部分。g(n)是已经走过的代价,h(n)是n到目标的估计代价。在这个例子中g(n)表示在状态空间从起始节点到n节点的 深度,h(n)表示n节点所在地图的位置到目标位置的直线距离。啊!一个是状态空间,一个是实际的地图,不要搞错了。再详细点说,有一个物体A,在地图上的坐标是(xa,ya),A所要到达的目标b的坐标是(xb,yb)。则开始搜索时,设置一个起始节点1,生成八个子节点2 - 9 因为有八个方向。如图:

图2 节点图


  先看搜索主函数:

  void AstarPathfinder::FindPath(int sx, int sy, int dx, int dy)
  {
    NODE *Node, *BestNode;
    int TileNumDest;


    //得到目标位置,作判断用
    TileNumDest = TileNum(sx, sy);

    //生成Open和Closed表
    OPEN=( NODE* )calloc(1,sizeof( NODE ));
    CLOSED=( NODE* )calloc(1,sizeof( NODE ));


    //生成起始节点,并放入Open表中
    Node=( NODE* )calloc(1,sizeof( NODE ));
    Node->g = 0;


    //这是计算h值
    Node->h = (dx-sx)*(dx-sx) + (dy-sy)*(dy-sy); // should really use sqrt().

    //这是计算f值,即估价值
    Node->f = Node->g+Node->h;
    Node->NodeNum = TileNum(dx, dy);
    Node->x = dx;
    Node->y = dy;

    OPEN->NextNode=Node;
// make Open List point to first node
    for (;;)
    {

      //从Open表中取得一个估价值最好的节点
      BestNode=ReturnBestNode();

      //如果该节点是目标节点就退出
      if (BestNode->NodeNum == TileNumDest) // if we've found the end, break and finish
        break;
      //否则生成子节点
      GenerateSuccessors(BestNode,sx,sy);
    }
    PATH = BestNode;
  }


  再看看生成子节点函数 GenerateSuccessors:

  void AstarPathfinder::GenerateSuccessors(NODE *BestNode, int dx, int dy)
  {
    int x, y;


    //依次生成八个方向的子节点,简单!
    // Upper-Left

    if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y-TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Upper
    if ( FreeTile(x=BestNode->x, y=BestNode->y-TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Upper-Right
    if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y-TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Right
    if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Lower-Right
    if ( FreeTile(x=BestNode->x+TILESIZE, y=BestNode->y+TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Lower
    if ( FreeTile(x=BestNode->x, y=BestNode->y+TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Lower-Left
    if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y+TILESIZE) )
      GenerateSucc(BestNode,x,y,dx,dy);

    // Left
    if ( FreeTile(x=BestNode->x-TILESIZE, y=BestNode->y) )
      GenerateSucc(BestNode,x,y,dx,dy);
  }


  看看最重要的函数GenerateSucc:

  void AstarPathfinder::GenerateSucc(NODE *BestNode,int x, int y, int dx, int dy)
  {
    int g, TileNumS, c = 0;
    NODE *Old, *Successor;


    //计算子节点的 g 值
    g = BestNode->g+1; // g(Successor)=g(BestNode)+cost of getting from BestNode to Successor
    TileNumS = TileNum(x,y); // identification purposes

    //子节点再Open表中吗?

    if ( (Old=CheckOPEN(TileNumS)) != NULL ) // if equal to NULL then not in OPEN list,
                         // else it returns the Node in Old

    {
      //若在
      for( c = 0; c <8; c++)
        if( BestNode->Child[c] == NULL )
// Add Old to the list of BestNode's Children
                         // (or Successors).

         break;
        BestNode->Child[c] = Old;

        //比较Open表中的估价值和当前的估价值(只要比较g值就可以了)
        if ( g g ) // if our new g value is Parent = BestNode;
          Old->g = g;
          Old->f = g + Old->h;
        }
      }
      else
//在Closed表中吗?
        if ( (Old=CheckCLOSED(TileNumS)) != NULL ) // if equal to NULL then not in OPEN list
                              // else it returns the Node in Old

        {
          //若在
          for( c = 0; c<8; c++)
            if ( BestNode->Child[c] == NULL )
// Add Old to the list of BestNode's
                             // Children (or Successors). break;

            BestNode->Child[c] = Old;
            //比较Closed表中的估价值和当前的估价值(只要比较g值就可以了)
            if ( g g ) // if our new g value is Parent = BestNode;
              Old->g = g;
              Old->f = g + Old->h;
//再依次更新Old的所有子节点的估价值
              PropagateDown(Old); // Since we changed the g value of Old, we need
                         // to propagate this new value downwards, i.e.
                         // do a Depth-First traversal of the tree!

             }
        }
        else
//不在Open表中也不在Close表中
        {
          //生成新的节点
          Successor = ( NODE* )calloc(1,sizeof( NODE ));
          Successor->Parent = BestNode;
          Successor->g = g;
          Successor->h = (x-dx)*(x-dx) + (y-dy)*(y-dy);
// should do sqrt(), but since we
                                   don't really

          Successor->f = g+Successor->h; // care about the distance but just which branch
          looks Successor->x = x; // better this should suffice. Anyayz it's faster.
          Successor->y = y;
          Successor->NodeNum = TileNumS;

          //再插入Open表中,同时排序。
          Insert(Successor); // Insert Successor on OPEN list wrt f
          for( c =0; c <8; c++)
            if ( BestNode->Child[c] == NULL )
// Add Old to the list of BestNode's
                              Children (or Successors).

            break;
          BestNode->Child[c] = Successor;
        }
  }


  哈哈。A*算法我懂了。当然,我希望你有这样的感觉。不过我还要再说几句。仔细看看这个程序,你会发现,这个程序和我前面说的伪程序有一些不同,在GenerateSucc函数中,当子节点在Closed表中时,没有将子节点从Closed表中删除并放入Open表中。而是直接的重新的计算该节点的所有子节点的估价值(用PropagateDown函数)。这样可以快一些。另当子节点在Open表和Closed表中时,重新的计算估价值后,没有重新的对Open表中的节点排序,我有些想不通,为什么不排呢?会不会是一个小小的BUG。你知道告诉我好吗?
  好了。主要的内容都讲完了,还是完整仔细的看看源程序吧。希望我所的对你有一点帮助,一点点也可以。如果你对文章中的观点有异议或有更好的解释都告诉我。

   下载本文的源程序(34KB)

include using namespace std; struct node{ int nodesun[4][4]; int pre; //上一步在队列中的位置 int flag ; //步数标识,表示当前的步数为有效的 int value; //与目标的差距 int x,y; //空格坐标 }queue[1000]; //移动方向数组 int zx[4]={-1,0,1,0}; int zy[4]={0,-1,0,1}; //当前步数 int top; int desti[4][4];//目标状态 int detect(struct node *p)//检查是否找到 {int i,j; for(i=1;i<4;i++) for(j=1;jnodesun[i][j]!=desti[i][j]) return 0; return 1; } //打印 void printlj() {int tempt; int i,j; tempt=top; while(tempt!=0) { for(i=1;i<4;i++) for(j=1;j<4;j++) {cout<<queue[tempt].nodesun[i][j]; if(j==3) cout<<" "<<endl; } tempt=queue[tempt].pre; } } //现在状态与目标状态有多少个不同位置 int VALUE(struct node *p) {int count=0; int i,j; for(i=1;i<4;i++) for(j=1;jnodesun[i][j]!=desti[i][j]) count++; return count; } void main() { //初始化 int i,j,m,n,f; int min=10; int temp,find=0,minnumber; top=1; for(i=1;i<4;i++) for(j=1;j<4;j++) {cout<<"请输入第"<<i<<"行"<<"第"<<j<<"列的值"<>temp; queue[1].nodesun[i][j]=temp; } cout<<"请输入初始状态的空格的位置(行)"<>temp; queue[1].x=temp; cout<<"请输入初始状态的空格的位置(列)"<>temp; queue[1].y=temp; queue[1].value=VALUE(&queue[1]); queue[1].pre=0; //上一步在队列中的位置 queue[1].flag=0; //目标状态 for(i=1;i<4;i++) for(j=1;j<4;j++) {cout<<"请输入目标状态第"<<i<<"行"<<"第"<<j<<"列的值"<>temp; desti[i][j]=temp; } //根据估价函数 while(!find&&top>0) { for(i=1;i<=top;i++) //////////////////////////////////////////// //min为上一图中与目标图有多少个元素不相同,queue[i]为当前图与目标图有多少个元素不相同通过这两个数的比较,就可以得出当前图较之上一图向目标图接近同时把当前的i记录下来进行下一步比较 {if(queue[i].value<min&&queue[i].flag==0) {minnumber=i;// min=queue[i].value; //还有多少不同的位数 } } queue[minnumber].flag=1; //表示此位有效 ////////////////////////////////////// // for(f=0;f=1&&i=1&&j<=3) {top++; ///////////////////////////////////////////// //位置交换 queue[top]=queue[minnumber]; queue[top].nodesun[m][n]=queue[minnumber].nodesun[i][j]; queue[top].nodesun[i][j]=0; /////////////////////////////////////// //空格移动方向 queue[top].x=i; queue[top].y=j; /////////////////////////////////////// queue[top].pre=minnumber; //上一步在队列中的位置 queue[top].value=VALUE(&queue[top]); //有多少位与目标不同 queue[top].flag=0; //标识位初始化 if(detect(&queue[top])) //检查是否为目标 {printlj(); //打印 find=1; //设找到标识位 break; } } } } }
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