在计算机科学中,A*算法广泛应用于寻路和图的遍历。最早是于1968年,由Peter Hart, Nils Nilsson 和Bertram Raphael3人在斯坦福研究院描述了 该算法。是对Dijkstra算法的一种扩展。是一种高效的搜索算法。
这是个比较常用的算法,游戏中的寻路通常会使用这个算法,在理解这个算法之前,先明白几个概念:
搜索区域(The Search Area)
搜索区域可以划分为正方形格子,但不限于此,六边形,矩形,平行四边形都可以。因此他们的中心点通常称为节点(Node),而不是方格(Squares)。
路径排序(Path Sorting)
在没有任何障碍的地图上,一个节点可以有4个方向甚至8个方向移动可能。那么如何选择走那个路径呢,判断的依据就是这个公式:
f = g + h;
g是起点到指定格子的移动代价,h是指定格子到达终点的估算成本,f值则是两者之和。
假设横纵走一格的代价为10, 对角线为14,那么起点往左走一格的g值为10。
启发函数(Heuristics function)
h值属于估算成本,不同的估算方法对应不同的结果。选取适合的估算方法需要根据实际场景而定。我们成这种估算函数为启发函数,例如,允许4个方向走,那么可以采用曼哈顿距离(Manhattan distance), 即横向和竖向走到终点的距离之和。启发函数的作用在于,当你把启发代价设定的比实际代价更大时,那么搜索速度会变得更快,但结果可能不是最优的路径。相反,
启发代价比实际的小,那么搜索变慢,得到一个最优路径。这是速度 与最优解之间的权衡
开放列表(Open List)
开放列表实际上是一个待检测的格子列表,对应的,我们把检测过的格子放入Close List中。
以上是A*的关键点,尤其是启发函数,如果没有启发函数,则A*就退化成了Dijkstra算法,是运行效率重要还是找到最佳路径重要,全靠启发函数来调节,因此也被归为启发式算法。
A*算法的具体步骤:
1. 把起点加入openlist
2. 遍历openlist,找到F值最小的节点,把它作为当前处理的节点,并把该节点加入closelist中
3. 对该节点的8个相邻格子进行判断,
如果格子是不可抵达的或者在closelist中,则忽略它,否则如下操作:
a. 如果相邻格子不在openlist中,把它加入,并将parent设置为该节点和计算f,g,h值
b.如果相邻格子已在openlist中,并且新的G值比旧的G值小,则把相邻格子的parent设置为该节点,并且重新计算f值。
4. 重复2,3步,直到终点加入了openlist中,表示找到路径;或者openlist空了,表示没有路径。
总结起来,就这么4步骤,非常简单。
如果还不是很明白,没关系,我做了一个可视化的过程,你可以直观地看到是如何一步一步走向终点的。找到终点后,根据parent就可以反推出上一个节点,反复如此,就得到了一条路径了。
我的博客:http://blog.csdn.net/booirror
代码:
https://github.com/booirror/data-structures-and-algorithm-in-c