图搜索的通用算法

这里提出一个通用的图搜索算法，它允许各种 用户—偏爱启发式的或盲目的，进行定制。我把这个算法叫做图搜索（GRAPHSEARCH）。

下面是（第一个版本）它的定义。

GRAPHSEACH：
1) 生成一个仅包含开始节点n0的搜索树Tr。把n0放在一个称为OPEN的有序列表中。
2) 生成一个初始值为空的列表CLOSED。
3) 如果OPEN为空，则失败并退出。
4) 选出OPEN中的第一个节点，并将它从OPEN中移出，放入CLOSED中。称该节点为n。
5) 如果n是目标节点，顺着Tr中的弧从n回溯到n0找到一条路径，获得解决方案，则成功退
出（弧在第6步产生）。
6) 扩展节点n，生成n的后继节点集M。通过在Tr中建立从n到M中每个成员的弧生成n的后继。
7) 按照任意的模式或启发式方式对列表OPEN重新排序。
8) 返回步骤3 。

这个算法可用来执行最优搜索、广度优先搜索或深度优先搜索。

变化1.广度搜索和深度搜索

这两种搜索都是盲目搜索，运气不好就会遍历整个解空间....

对于上述的通用算法第7部进行修改即可完成这两种搜索，即改变排序的方式。

1.在广度优先搜索中，新节点只要放在OPEN的尾部即可（先进先出， FIFO），节点不用重排。

   这就是队列....

2.在深度优先搜索中，新节点放在OPEN的开始（后进先出,LIFO）。

   这就是栈，栈的地方都可以使用递归实现....

变化2.启发式搜索算法

下面是其基本思想：
1) 假定有一个启发式(评估)函数ˆf ，可以帮助确定下一个要扩展的最优节点，
我们采用一个约定，即ˆf的值小表示找到了好的节点。
这个函数基于指定问题域的信息，它是状态描述的一个实数值函数。
2) 下一个要扩展的节点n是ˆf(n)值最小的节点(假定节点扩展产生一个节点的所有后

继)。

3) 当下一个要扩展的节点是目标节点时过程终止。

1.A*算法

 A*搜寻算法，俗称A星算法，作为启发式搜索算法中的一种，这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC的移动计算，或线上游戏的BOT的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。     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。     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。

    且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)。

 先举一个小小的例子：即求V0->V5的路径，V0->V5的过程中，可以经由V1，V2，V3，V4各点达到目的点V5。下面的问题，即是求此起始顶点V0->途径任意顶点V1、V2、V3、V4->目标顶点V5的最短路径。

//是的，图片是引用rickone 的。            通过上图，我们可以看出：：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、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.单源最短路径

上边的A*算法可以求得最短路径，计算的过程只求出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。第7部排序使用升序。

上述算法的性能比较，见下文，这个文章写的很好。
http://blog.csdn.net/v_JULY_v/article/details/6238029