寻路算法的基础——A*算法（部分）

没有人比你更美好,因为这个世界不会再有第二个你。别总是自卑,你永远比你自己想象的要好。

引言：终于来到了A* 算法了。从这里开始，才算开始接触搜索中真正的难点。A* 算法的思想是启发式搜索（传送门在这里)。A* 算法是一个应用相当广泛的算法，明白了A* 算法受益无穷。

原理🍭

A* 算法的应用条件：已知起点和终点（或起始状态和终末状态）的情况下求路径。
A* 算法的核心就是估价函数，记作F(n)=G(n)+H(n)，对每一个点维护一个F(n)；

1. F(n)：从起点到终点的估计代价
2. G(n)：从起点到当前点的代价（已知）
3. H(n)：从当前点到终点的估计代价

不难看出，算法的难点就是构建一个比较好的H(n)。
A*算法也是一个比较抽象的概念，我们也用几道例题来介绍。

例题1：寻路🍬

给出一个图的起点和终点，找到一条最短路径

解析🍹

这是A* 算法的最基本应用，我们用图来理解一下这个算法的运作过程。在A* 算法中，我们维护一个open表，一个close表。

1. open表中是在算法运行过程中所涉及到但未被选择的点，我们维护这些点的位置及其估价函数
2. close表中是被选择的点，我们维护这些点的位置及其父亲（即这个点的前一个点）

图示🍧

1. 原图，从绿色点到浅蓝色点，先将绿色点放入open表
   

2. 将绿色点放入close表，将其周围的点放入open表

3. 我们选择一个估计距离最短的点加入close值并拓展
   (当有多个点距离最短时，也不能随便选择一个点，而要根据实际情况选择出最恰当的那个点。我们这里每次选择最短距离点中x值最大的点）

4. 重复这个过程
   

5. 在这个地方，只有一个点是最短距离点，直接选择这个点
   （注意，这里在纳入open表的时候第二次计算（4，3）这个点。对于这种情况，我们认为，如果重新计算的结果比原来的结果要小，那么更新这个点的F（n）值，否则不更新。我们这里没有更新这个点。）
6. 重复过程。我们发现终点已经被纳入open表中。

7. 将终点纳入close表，记录其父亲，算法结束。

A* 算法的基础寻路应用在思想上很简单，但需要找到合适的估价函数，也就是如何估计G（n）的值很重要。我们这里用的是最简单的，但实际应用时，单单是这个值的算法就会很复杂。