A*搜索算法

启发式搜索算法：
要理解 A*搜寻算法，还得从启发式搜索算法开始谈起。
所谓启发式搜索，就在于当前搜索结点往下选择下一步结点时，可以通过一个启发函数
来进行选择，选择代价最少的结点作为下一步搜索结点而跳转其上（遇到有一个以上代价最
少的结点，不妨选距离当前搜索点最近一次展开的搜索点进行下一步搜索）。
DFS 和 BFS 在展开子结点时均属于盲目型搜索，也就是说，它不会选择哪个结点在下
一次搜索中更优而去跳转到该结点进行下一步的搜索。在运气不好的情形中，均需要试探完
整个解集空间, 显然，只能适用于问题规模不大的搜索问题中。
而与 DFS,BFS 不同的是，一个经过仔细设计的启发函数，往往在很快的时间内就可得
到一个搜索问题的最优解，对于 NP 问题，亦可在多项式时间内得到一个较优解。是的，关
键就是如何设计这个启发函数。

A*搜寻算法
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)=