A*算法学习笔记

路径规划中经常会用到一种算法叫做A*

首先需要了解A*算法的原理

A*寻路算法详解 #A星 #启发式搜索_哔哩哔哩_bilibili

在学A*算法之前需要了解广度优先算法，广度优先算法是将起始点依次向周围探索，然后再以下一轮探索到的方块向周边探索。

最后直到探索到终点。或将所有的方块都探索到。

 

如何知道路径呢，需要在探索时记录路径的来向。

另外需要注意探索过的方块需要做标记，下次不再进行探索。

程序练习：
1、先构建栅格地图，然后A*进行路径规划，

2、对A*启发函数改进，进行对比

3、改进搜索临域

4、路径平滑

先建立一个绘制地图，然后绘制地图
地图使用矩阵定义，障碍物 数值为inf 其他为0

 createFigure 用来绘制地图

A 星算法与广度优先算法不同的是，不会探索所有的边界方块，而是选择边界中 “代价” 最低的方块进行探索。

 这里的代价是A星 与广度优先算法相比智能的地方。

这个代价分为两个部分：
1、当前路程代价 （起点到当前点的路径距离）

2、预估代价 （从当前点走到结束点需要的距离，这距离不代表实际距离，所以叫预估距离）

预估代价最常用的是欧拉距离，还有曼哈顿距离，曼哈顿距离不用做开方所以速度更快

在探索过程中会优先选择总代价低的方块进行探索，这样算法会更少计算路径中方块，并且得到的路径也一定是最短路径。

程序1：

使用 4邻域搜索+曼哈顿距离

四个邻域搜索，路径只能上下左右走，从而轨迹会有很多弯折，然后搜索的方格也会更过。

曼哈顿距离为当前点与目标点行列的距离相加，避免开方运算

程序2：

使用 4邻域搜索+曼哈顿距离 + 增加权重

价值函数中预估代价占比提高之后，预估部分对搜寻的影响会变大，所以路径较快速搜索到终点’

程序3
 8邻域搜索+曼哈顿距离 + 增加权重

八个邻域搜索，增加了对角线的距离，所以这样做法可以使路径的距离减小，并且搜索速度也会加快

程序4
引入贝塞尔曲线实现路径的平滑，贝塞尔曲线将每个弯折的地方实现平滑