关于自学A星算法的理解和总结

关于自学A星算法的理解和总结

知识点总结部分

关键名词部分

节点：搜索区域发的近似替代，节省计算量，削减了对搜索区域的约束
A星算法是用来计算从起点到终点的最低成本（最优）路径的算法
开启列表:用来存放可能的、未计算的节点。
（若最终开启列表是空的，则说明没有直接到达终点的路径）
关闭列表：存放已经计算过的节点。
存放的节点不但要记录其F值，还要记录其父节点。
公式:F=G+H;
F:寻路消耗；
G:已经付出的成本；
H:预计还要付出的成本；
用曼哈顿街区算法计算
如图：

直接计算其与目标点的横距离与纵距离之和。

计算逻辑部分

计算逻辑：
1.先检索计算起点周围的节点的F值并记录下这些节点的父节点后存入开启列表中，
2.对开启列表中各节点按F值从小到大进行排序。
3.对F值最小的点周围进行检索，得到数个新的节点存入开启列表（已经检索过的节点不用再次检索），且将该点存入关闭列表
4.重复2、3步骤直至检索到终点或开启列表中为空列表。
5.若检索到终点，则从终点反向梳理出路径（依据每个点记录的父节点），若最终开启列表为空，则说明没有直接到达终点的路径。
额外：最终不从正向梳理路径原因是依照A星算法的逻辑很可能会有多条从起点分化出来的路径，但只有一条是通往终点的。（参考树状图）

这里可以理解为算法从A系列点计算到C系列点后发现所有C系点的F值均大于A2点，于是算法从A2点寻找新的路线，
当然，正常情况下可能不止一次从新开始。这里只是举了最简单的例子。