A*算法可视化详解与实现

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