1.什么是Astar算法?
Astar算法是一种图形搜索算法,常用于寻路。它是个以广度优先搜索为基础,集Dijkstra算法与最佳优先(best fit)算法特点于一身的一种算法。
它通过下面这个函数来计算每个节点的优先级,然后选择优先级最高的节点作为下一个待遍历的节点。优先级函数:
其中:
1.g(n) 是节点n距离起点的代价。
2.h(n)是节点距离终点的预计代价,也就是A*算法的启发函数。
A*算法伪代码如下:
//使用open_set、close_set来表示待遍历和已遍历的节点集合
open_set = PriorityQueue()//使用优先队列,每次选取优先级最高的节点
open_set.put(start,0)//将起点加入open_set
close_set = {} //close_set,顺便记录节点距起点的代价
came_from = {} //记录节点的父节点
came_from[start] = None
while(!open_set.empty()))//当待遍历节点集合不为空时循环
{
current = open_set.get()//取出优先级最高的节点
if(current == goal)
{
//找到终点后,返回路径(此处省略)
break
}
for next in graph.neighbors(current)//遍历当前节点的邻近节点
{
new_cost = close_set[current] + graph.cost(current,next)//计算next节点的代价
if(!close_set.contain(next) or new_cost < close_set[next])//如果next节点不在close_set中(未遍历过)或者有更小的代价
{
close_set[next] = new_cost //更新代价
priority = new_cost + h(n) //使用g(n)和h(n)计算优先级
open_set.put(next,priority)//将next节点加入open_set中
came_from[next] = current //设置其父节点
}
}
}
2.启发函数会影响A*算法的行为:
1.在极端情况下,当启发函数h(n)始终为0,则由g(n)来决定节点的优先级,此时算法就退化成了Dijkstra算法。
2.在另一个极端情况下,如果h(n)相较于g(n)大很多,则此时只有h(n)产生效果,这也就变成了最佳优先搜索。
3.如果h(n)始终小于等于节点n到终点的代价,被称为可接受启发式的A*,则A*算法一定保证能够找到最短路径。但是当h(n)的值越小,算法遍历越多的节点,导致算法越慢。
4.如果h(n)完全等于节点n到终点的代价,则A*算法将找到最佳路径并且速度很快。但是很难做到这一点,因为很难确切算出距离终点还有多远。
5.如果h(n)的值比节点n到终点的代价要大,则A*算法不能保证找到最短路径,不过此时会很快。
由上面这些信息我们可以知道,通过调节启发函数我们可以控制算法的速度和精确度。因为在一些情况,我们可能未必需要最短路径,而是希望能够尽快找到一个路径即可。这也是A*算法比较灵活的地方。
3.对网格形式的图,有以下这些启发函数可以使用:
1.如果图形中只允许朝上下左右四个方向移动,则可以使用曼哈顿距离(Manhattan distance)。
2.如果图形中允许朝八个方向移动,则可以使用对角距离。
3.如果图形中允许朝任意方向移动,则可以使用欧几里得距离。
曼哈顿距离:
如果图形中只允许朝上下左右四个方向移动,则启发函数可以使用曼哈顿距离,它的计算方法如下图所示:
计算曼哈顿距离的函数如下,这里的D是指两个相邻节点之间的移动代价,通常是一个固定的常数:
function heuristic(node)
local dx = abs(node.x-goal.x)
local dy = abs(node.y-goal.y)
return D * (dx + dy)
end
对角距离:
如果图形中允许斜着朝邻近的节点移动,则启发函数可以使用对角距离。它的计算方法如下:
计算对角距离的函数如下,这里的D2指的是两个斜着相邻节点之间的移动代价。如果所有节点都正方形,则其值就是:
function heuristic(node)
local dx = abs(node.x-goal.x)
local dy = abs(node.y-goal.y)
return D * (dx + dy) + (D2 - 2 * D) * min(dx,dy)
end
欧几里得距离:
如果图形中允许朝任意方向移动,则可以使用欧几里得距离。
欧几里得距离是指两个节点之间的直线距离,因此其计算方法也是我们比较熟悉的:
其函数表示如下:
function heuristic(node) =
local dx = abs(node.x-goal.x)
local dy = abs(node.y-goal.y)
return D * sqrt(dx * dx + dy * dy)
end
4.算法变种
ARA*
ARA*全称是Anytime Repairing A,也称为Anytime A
D*
Field D*
Block A*