最短路径规划算法对比

 

最短路径算法比较常用的是Ｄijkstra，Ａ*，Ｆloyd算法，对比一下。

首先，需要构造权重矩阵，每个点到每个点之间的路的权重，可以是距离，或者是时间。这和我们的目标函数对应，时间最短或者路径最短。要找最短路径，初始想法类似穷举，启发函数相当于是导向作用，简单来说，可以用曼哈顿距离之类的。【https://blog.csdn.net/AdamShan/article/details/79945175】

def heuristic(a, b):
   # 这种距离叫做曼哈顿距离（Manhattan）
   return abs(a.x - b.x) + abs(a.y - b.y)

当然，这种方法存在的问题就是，假如有堵墙呢，导致中间某个时刻的最优解其实是离目标点更远的地方

为了改进单纯的启发式算法，便引进了Ａ*算法。本质上就是对启发函数的改进。

这种A*算法用公式表示为： f(n)=g(n)+h(n),

也就指代这句代码：　　priority = new_cost + heuristic(goal, next)
其中， f(n) 指当前n点的总代价(也就是priority，总代价越低，priority越小，优先级越高，越早被frontier.get()遍历到)，g(n) 指new_cost，从起点到n点已知的代价，h(n) 是从n点到终点所需代价的估算。
　　　在参加codecraft（代码见github如下）的时候，用过Ａ*，里面的启发函