A_Star算法C++实现

最新推荐文章于 2024-08-17 15:47:45 发布

争渡！怎渡？

最新推荐文章于 2024-08-17 15:47:45 发布

阅读量2.2k

点赞数 5

分类专栏：研究生工作文章标签： A_Star算法 A星算法路径规划 C++

本文链接：https://blog.csdn.net/gdc6916/article/details/120382406

版权

本文探讨了A_Star算法在静态场景下的应用，需要预先构建地图进行路径规划。A星算法利用启发式搜索策略，通过曼哈顿距离等方法评估位置代价以寻找最优路径。

摘要由CSDN通过智能技术生成

关于A星算法，在这里提两个关键点：

(1).适应用于静态场景。A星算法需要提前构建场景地图（SLAM），在此基础之上做路径规划。

(2).启发式搜索。采用位置评估手段计算路径代价。比如我们要用的曼哈顿距离。

#include <iostream>
#include <algorithm>
#include <queue>
#include <vector>
#include <cmath>
#define N 6  // 棋盘/迷宫 的阶数 
using namespace std;
class Node {
public:
	int x, y; // 节点坐标
	//f=g+h,总代价；
	//g，上个点到该点的代价；
	//h,该点到终点的估计值
	int f, g, h;    
	Node(int a, int b) {
		this->x = a;
		this->y = b;
	}
	//重载'<'运算符，因为队列不知道怎么对Node排序
	bool operator  < (const Node& a)const {
		//优先队列是大顶堆，因此这里反过来成为小顶堆。Set是小顶堆，如果用Set，这里的判定用'<'
		return this->f > a.f;
	}
};
bool visit[N][N];  //记录节点是否访问过
int path[N][N][2];  //记录父节点坐标，用于找路径
int realF[N][N];    //记录节点的实际f值
int addr[N][N]= { {0,0,0,0,0,0},//环境二维矩阵
				  {0,1,1,0,1,1},
				  {0,0