基于搜索的路径规划算法：A*算法

最新推荐文章于 2024-10-02 23:40:03 发布

雨辰0_0

最新推荐文章于 2024-10-02 23:40:03 发布

阅读量596

点赞数 21

分类专栏：路径规划文章标签：算法学习启发式算法广度优先近邻算法 python 人工智能

本文链接：https://blog.csdn.net/huang1900237678/article/details/142331965

版权

5 篇文章 0 订阅

订阅专栏

依旧是点赞点赞点赞！！！希望对你有帮助。

A算法是一种用于在图形或网格中查找最短路径的启发式搜索算法。它通过结合已经搜索过的路径代价和从当前节点到目标节点的估算代价（即启发函数），来评估每个节点的优先级，并优先搜索可能性最高的节点，从而高效地找到从起点到终点的最短路径。

A*算法的核心在于其代价评估函数F(n)，该函数由两部分组成：

G(n)：从起点到当前节点n的实际成本（或称为距离）。这是已经确定并且不会改变的。
H(n)：从当前节点n到终点的估计成本，即启发函数。这个函数的选择对算法性能至关重要，因为它决定了搜索的方向性和效率。理想情况下，H(n)应该尽可能接近从n到终点的实际最短成本，但又不应超过这个值（否则算法可能不是最优的）

启发函数的估计成本一般是由两个部分组成：欧几里得距离和曼哈顿距离。这个两个距离分别是什么呢？我将用最简单的方法告诉你们：

设当前点为A，目标点为B，计算AB之间的评估成本：

欧几里得距离就是斜边c。

曼哈顿距离就是直角边之和a+b。

算法文字叙述内容枯燥，但依旧要贴。

A*算法使用两个主要的列表来管理搜索过程：

初始化：将起点加入OPEN列表，并设置其G(n)和H(n)值（起点到自身的实际成本为0，启发函数值根据起点和目标点的相对位置估算）。
循环搜索：
- 从OPEN列表中取出F(n)值最小的节点n（即最有希望是路径一部分的节点）。
- 如果n是目标节点，则路径已找到，停止搜索。
- 否则，将n从OPEN列表移至CLOSED列表，并考虑n的所有邻居节点。
邻居节点处理：
- 如果邻居节点已经在CLOSED列表中，则忽略。
- 对于每个不在OPEN列表中的邻居节点，计算通过n到达它的新G(n)值（即G(n) + 从n到邻居节点的成本）。
- 如果这个新G(n)值小于邻居节点在OPEN列表中的G(n)值（或者邻居节点不在OPEN列表中），则更新邻居节点的G(n)值、F(n)值（因为H(n)不变），并将其父节点设置为n，然后将其加入或更新在OPEN列表中。
结束条件：如果OPEN列表为空，则表示没有找到路径（尽管在大多数实际应用中，这种情况很少见，因为通常至少存在一条从起点到终点的路径）。
路径重构：一旦找到目标节点，就从目标节点开始，沿着父节点指针回溯到起点，形成最短路径。