手撸一个A*+二叉堆优化(一)

尽量会讲的通俗易懂

寻路有很多种，A*是一种启发式搜索：启发式搜索就是在状态空间中的搜索对每一 个搜索的位置进行评估，得到最好的位置，再从这个位置 进行搜索直到目标。这样可以省略大量无谓的搜索路径， 提到了效率。 在启发式搜索中，对位置的估价是十分重要的。采用了不 同的估价可以有不同的效果。

估价函数：从当前节点移动到目标节点的预估费用；这个 估计就是启发式的。在寻路问题和迷宫问题中，我们通常用曼哈顿（manhattan）估价函数预估费用。

俗话说的好用空间换时间，A*算法在理论上是时间最优的，但是也有 缺点：它的空间增长是指数级别的。(优化：二叉堆)

开始搜索需要三个list

开启列表openset:待检查方格的集合列表，寻找周围可以达到的点，加入到此表中， 并保存中心点为父节点.

关闭列表closeset：列表中保存不需要再次检查的方格

路径列表path:父节点组成

路径评分

G=与起始点的距离

H=与目标点的距离

F的值是G和H的和。F,G和H的评分被写在每 个方格里。

左上角是G，右上角是H

中间是F

这个价格是自己定的，比如这里平移是10，那么斜角就是根号2*10=14

从A点到B点开始搜索，A点周围8个点加入开启列表，这8个点的父节点是A，从开启列表寻找F最小的点作为下一个点，如果F相同就寻找H最小的，也就是离目标点最近的点。这里右上角42明显最小。

现在中心点移动到42，A点加入关闭列表，重新计算42周围格子的G（跳过障碍物和在关闭列表中的点），因为初始点变化了G就要变化，H是不会变的，如果重新计算的G小于之前的G，替换估价值，将这个G变化的格子的父节点替换成当前中心的，这里42周围两个48原本G是10，14+10>10，所以不替换估价，不替换父节点也就是还是A，将新增加的两个格子48和62加入开启列表，这两个新格子的父节点则为42这个中心点，继续寻找下一个点。

42周围3个48，用之前的规则，选择H=24的点，重新计算周围的格子，同样没出现G比之前小的格子，添加两个新格子(父节点是48)到开启列表后继续寻找下一个点。也就是右下角的48

新中心成为48后发现，62的G变小的了，也就是10+10<28，所以替换62为54，将这个格子的父节点从之前的替换为当前的中心点，新格子加入开启列表，然后一直找一直找，直到结束

结束条件有两种，一种是中心点是B点的时候，也就是找到了B，

另一种就是所有地图跑遍了还没有找到。

如果找的了B点就可以根据父节点反推出这条最短路径了

伪代码如下

开启集合openset

关闭集合closeset

路径集合path

添加起始点到开始集合中

循环如下步骤：

当前点=开启集合中最小F_Cost的点

将当前点移出开启集合中 Remove

将当前点添加到关闭集合中 Add

如果当前点是目标点，结束查询

遍历当前点的每个相邻点

如果相邻点不能访问(障碍物)或者相邻点在关闭集合中，跳过此相邻点

如果新路径到相邻点的距离更短（newG<oldG）

重新设置F_Cost 重新设置其父节点为当前点

如果相邻点不在开启集合中 (!openSet.Contains(node))添加相邻点到开启集合中

如果结束了查询，开始将目标点的父节点的父节点的父节点以此加入path集合，最后反转集合。

---

代码的实现——下(you)回(kong)分(zai)解(xie)