A*搜索算法

作为程序员的我们可能经常会听到 A*搜索算法这个的词，听起来非常高大上，腻害，但是具体是什么呢？

引用 Wiki 上的说法就是：
A* 搜索算法（A* search algorithm）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，或网络游戏的BOT的移动计算上。

该算法综合了最良优先搜索和Dijkstra算法的优点：在进行启发式搜索提高算法效率的同时，可以保证找到一条最优路径（基于评估函数）。

在此算法中，如果以 $g(n)$ 表示从起点到当前顶点 $n$ 的实际距离，$h(n)$表示当前顶点 $n$ 到目标顶点的估算距离（根据所采用的评估函数的不同而变化），那么A*算法的估算函数为：

$f(n)=g(n)+h(n)$

$f(n)$：代表了该节点的综合预估值，值越小，到达目标的成本就越小，所以访问的时候尽量优先考虑最小的。

这里的$h(n)$值可以采用 欧几里得距离、曼哈顿距离、切比雪夫距离等公式计算而来。

具体分析如下：

如图：

这里以 绿色(2,1) 为起点， 红色(2,5) 为终点， 蓝色 格子为障碍物，这里的邻居节点只考虑上下左右4个四个方向。

路径搜索过程如下：

1. 首先需要创建两个集合，一个存储待访问的节点（nodeLists），一个存储已经访问过的节点(visitedNodeLists)

2. 添加 起点（2,1） 到 nodeLists 列表，并且计算该点的预估值。

这里就需要用到上面讲到的预估函数了，
$f(n)=g(n)+h(n)$
我们可以很清楚的看到，起点到当前节点的距离为0，即：$g(n)=0$。
而当前顶点（2,1）到目标顶点（2,5）的距离为4，即：$h(n)=4$。

这里的h值可以采用 曼哈顿距离公式 计算得来：
$h=|x_1-x_2|+|y_1-y_2|$

这里需要注意的是：$h$ 值是在不考虑障碍的情况下计算的

3. 查找nodeLists 里预估值最小的节点，作为当前访问的节点，并且从nodeLists 删除 该节点。

4. 获取 当前节点 的 邻居节点，计算出他们的预估值 并且添加到nodeLists列表中。

如图：

这里只考虑上下左右4个方位，并且分别计算了他们的各个预估值，
右下角：$h(n)$值
左下角：$g(n)$值
左上角：$f(n)$值

除了计算预估值，我们还需要把当前节点作为每个邻居节点的父节点，以便为了后面确定最终的路线。

这里需要注意的是：我们在添加到 待访问列表之前需要处理一下边界问题，并且判断一下是否是障碍物，如果是就不需要添加到列表中。

5. 把当前节点添加到visitedNodeLists中，代表已经访问过了。

6. 重复以上步骤 3 - 5 ，直到找到目标节点位置为止。

7. 循环输出 最终节点的父节点，就是我们需要的路径了。

以上就是该算法的大致流程。

伪代码如下：

function startSearch(){
	//把起点添加到nodeLists
	nodeLists.push(startNode);
	//循环
	while (nodeLists.length > 0) {
		//查找预估值最小的节点
	    let currentNode = findMinNode();
	    //获取并且添加邻居节点到待访问列表
	    findAndAddNeighborNode(currentNode);
	    //把当前节点添加到已访问列表
	    visitedNodeLists.push(currentNode);
	    //判断是否是目标节点
	    if (this.isTarget(currentNode)) {
	        return currentNode
	    }
	}
	return null
}

基于Cocos Creator JS的A*算法的Demo下载链接