源点－汇点最短路径快速算法－A*算法初步

A*算法，作为启发式算法中很重要的一种，被广泛应用在最优路径求解和一些策略设计的问题中。而A*算法最为核心的部分，就在于它的一个估值函数的设计上：

f(n)=g(n)+h(n)

      其中f(n)是每个可能试探点的估值，它有两部分组成：一部分为g(n)，它表示从起始搜索点到当前点的代价（通常用某结点在搜索树中的深度来表示）。另一部分，即h(n)，它表示启发式搜索中最为重要的一部分，即当前结点到目标结点的估值，h(n)设计的好坏，直接影响着具有此种启发式函数的启发式算法的是否能称为A*算法。

      一种具有f(n)=g(n)+h(n)策略的启发式算法能成为A*算法的充分条件是：

1)     搜索树上存在着从起始点到终了点的最优路径。

2)     问题域是有限的。

      3）所有结点的子结点的搜索代价值>0。

 

      4）h(n)=<h*(n)（h*(n)为实际问题的代价值）。

      当此四个条件都满足时，一个具有f(n)=g(n)+h(n)策略的启发式算法能成为A*算法，并一定能找到最优解。（[1]P89给出了相关的证明）

对于一个搜索问题，显然，条件1,2,3都是很容易满足的，而

条件4)：h(n)<=h*(n)是需要精心设计的，由于h*(n)显然是无法知道的，

所以，一个满足条件4）的启发策略h(n)就来的难能可贵了。不过，对于图的最优路径搜索和八数码问题，有些相关策略h(n)不仅很好理解，而且已经在理论上证明是满足条件4)的，从而为这个算法的推广起到了决定性的作用。不过h(n)距离h*(n)的呈度不能过大，否则h(n)就没有过强的区分能力，算法效率并不会很高。对一个好的h(n)的评价是：h(n)在h*(n)的下界之下，并且尽量接近h*(n).

      当然，估值函数的设计也就就仅仅是f(n)=g(n)+h(n)一种，另外的估值函数“变种”如：f(n)=w*g(n)+(1-w)*h(n)，f(n)=g(n)+h(n)+h(n-1)针对不同的具体问题亦会有不同的效果。

A*算法最为核心的过程，就在每次选择下一个当前搜索点时，是从所有已探知的但未搜索过点中(可能是不同层，亦可不在同一条支路上)，选取f值最小的结点进行展开。而所有“已探知的但未搜索过点”可以通过一个按f值升序的队列(即优先队列)进行排列。这样，在整体的搜索过程中，只要按照类似广度优先的算法框架，从优先队列中弹出队首元素（f值），对其可能子结点计算g、h和f值，直到优先队列为空(无解)或找到终止点为止。

      A*算法与广度优先和深度优先的联系就在于，当g(n)=0时，该算法类似于DFS，当h(n)=0时，该算法类似于BFS,这一点，可以通过上面的A*搜索树的具体过程中将h(n)设为0或将g(n)设为0而得到。

 

      A*算法实现框架：

      重要数据解释：

      Open Table ：存放所有已探知的但未搜索过点的优先队列。

      Closed Table：存在搜索过的点的数组，提取最优路径时有用。

StartNode  ：起始点。

TargetNode ：终止点。

C Node    ：当前点。

 

      算法框架如下：

1.Init start node , add it to open table

While not reach target node && open table isunNull

      2.a) Get the head node in open table->c node

      2.b) Finding all c node’s possible child node.

      2.c) Calculate each child node’s f value.

      2.d) Remove c node from open table , add it to closedtable.

       2.e) Add all c node’s child nodes to open table in anundescend sequence.

Wend

3.Ouput Search Result

算法的实现部分参附录1(CVersion),附录2(AS2 Version)

      提取最优路径的算法并不复杂，虽然在CLOSE表中会有许多无效的搜索点，但是最优路径上各结点的下标一定是按照CLOSE表中下标的升序排列的。因此，只要在CLOSE表中，将下标从终止点向起始点移动，若CLOSE[i+1]与CLOSE[i]没有关联，则剔除CLOSE[i]。

 

[3A*算法在路径最优问题的交互式示例]

      路径最优问题，简单来说，就是在两个结点之间找一条最短路径。有的朋友不禁要问，这个问题不是已经有Dijkstra算法可以解决了吗？此话不假，但是不要忘了Dijkstra算法的复杂度是O(n^2)，一旦结点很多并且需要实时计算的话，Dijkstra就无法满足要求了。而A*来处理这类有需要实时要求的问题则显得游刃有余。

      在路径最优问题中，用来作为启发函数关键部分的h(n)其实很容易选，那便是当前结点至最终结点的距离，这个距离既可以是Hamilton距离(|x1-x2|+|y1-y2|)，亦可以是Euclid距离(直线距离)。都可以在较快的速度下达到问题的最优解。