算法学习笔记1 -- A* 算法

1，概述

A*（A-Star)算法是一种静态路网中求解最短路最有效的方法。

A* 算法是BFS算法的一种变形。

A*算法在搜索的过程中， 会根据一定的启发函数选择一个合适的节点进行下一步的搜索，具体描述如下：

公式表示为： f(n)=g(n)+h(n),
其中 f(n) 是从初始点经由节点n到目标点的估价函数，
g(n) 是在状态空间中从初始节点到n节点的实际代价，
h(n) 是从n到目标节点最佳路径的估计代价。
保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取：
如果 估价值h(n)<=h*(n), 其中h*(n)表示n几点到目标节点的距离实际最短距离，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。
如果 估价值h(n)>h*(n), 搜索的点数少，搜索范围小，效率高，但不能保证得到最优解

 A*算法与广度、深度优先和Dijkstra 算法的联系就在于：当g(n)=0时，该算法类似于DFS，当h(n)=0时，该算法类似于BFS。且同时，如果h(n)为0，只需求出g(n)，即求出起点到任意顶点n的最短路径，则转化为单源最短路径问题，即Dijkstra算法。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。

2，算法步骤

   1，把起始节点添加到open queue。
   2，重复如下的工作：
      a) 寻找open queue中f(n)值最低的节点。我们称它为当前节点。
      b) 把当前节点移动到close queue
      c) 对当前节点的每个相邻节点
          * 如果它已经在close queue中，略过它。反之如下。
          * 如果它不在open queue中，把它添加进去。把节点作为这一节点的父节点。记录这一格的f(n), g(n), 和h(n)值。
          * 如果它已经在open queue中，用当前节点的g(n)值为参考检查新的路径是否更好。更低的g(n)值意味着更好的路径。如果是这样，就把这一节点的父节点改成当前节点，并且重新计算这一节点的g(n)和f(n)值。如果保持open queu按f(n)值排序，改变之后要重新对open queue排序。

      d) 停止，当你
          * 把目标节点添加进了close queu，这时候路径被找到，或者
          * 没有找到目标节点，open queue已经空了。这时候，路径不存在。
   3.保存路径。从目标节点开始，沿着每一节点的父节点移动直到回到起始节点。这就是你的路径。

3，证明h(n)<=h*(n) 时得到的是最优解

证明：

设问题的起点为S, 目标节点为D, 问题的最优解为M

如果问题有可行解，由A*算法搜索过程可知(A*会搜索所有路径，直到找到可行解)，必存在一点n' 使得h(n')=h*(n'), 即n'和D之间是联通的，也即n'为算法路径中的D点的前一个节点。

假设当h(n)<=h*(n)时A*算法没能得到最优解，仅得到一个可行解K

此时在算法的最后一步会有如下的数据分布：

open queue：D, n1, n2,,,, n^ ,,,,,   (其中f(D) < f(n1) < f(n2) ,,,,< f(n^) <,,,,,)

close queue：n3, n4,,,,,,

由于K不是最优解，则必存在最优解M中的节点n^且f(n^) > f(D) = K (不然根据A*算法，不会选择D为下一个搜索节点)

f(n^ )= g(n^)+h(n^) <= g(n^)+h*(n^) = M

<==>

f(n^) <= M， 由于 f(n^) > f(D) = K

<==>

M > K

与M是最小解矛盾，故原假设当h(n)<=h*(n)时A*算法没能得到最优解不成立

即当h(n)<=h*(n)时A*算法能得到最优解

参考文章：

http://www.cppblog.com/mythit/archive/2009/04/19/80492.aspx

http://baike.baidu.com/view/7850.htm

http://blog.csdn.net/v_JULY_v/article/details/6238029