项目三：基于A*搜索算法的迷宫游戏开发

一、实验要求：

1.要求随机生成一个迷宫，并求解迷宫;
2.要求游戏支持玩家走迷宫，和系统走迷宫路径两种模式。玩家走迷宫，通过键盘方向键控制,并在行走路径上留下痕迹;系统走迷宫路径要求基于A*算法实现，输出走迷宫的最优路径并显示。
3.设计交互友好的游戏图形界面。

二、迷宫问题具体分析

从起点出发，沿着某一方向前进，如果可以走通，则继续前进，否则原路退回，寻找其他路径。在迷宫中路径的选择方向只有四种，分别是上，下，左，右，我们可以通过键盘的W，A，S，D分别进行控制。我们分别用三种颜色对于迷宫中各种对象进行标记，走迷宫的对象为一种颜色，道路和墙壁为另外两种颜色。当走通一步时，我们应将此网格的颜色转变为通路应该有的颜色。根据这样的方法一直走到终点即为成功。

三、此开发过程中使用A*算法进行路径寻找

下面详细介绍一下A算法
A算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是许多其他问题的常用启发式算法。
公式表示为: f(n)=g(n)+h(n),
其中，f(n)是从初始状态经由状态n到目标状态的代价估计，g(n)是在状态空间中从初始状态到状态n的实际代价，h(n)是从状态n到目标状态的最佳路径的估计代价。
(对于路径搜索问题，状态就是图中的节点，代价就是距离>h(n)的选取保证找到最短路径（最优解的）条件，关键在于估价函数f(n)的选取（或者说h(n)的选取）。

A*算法在迷宫中的详细实现

1、Open和Closed表
A算法有两个重要的数据列表:一个记录下所有被考虑来寻找最短路径的方格(称为open列表)和一个记录下不会再被考虑的方格（称为closed 列表)。
在A算法中，我们从起点开始，依次检查它的相邻方格，选取相邻方格然后继续向外扩展直到找到目的地，根据评价值选择方格。
2、把起点加入 open list 。
3、遍历 open list ，查找 F 值最小的节点，把它作为当前要处理的节点。把这个节点移到 close list 。对于当前方格的 8 个相邻方格的每一个方格做如下判断：
①如果它是不可抵达的或者它在 close list 中，忽略它。
②如果它不在 open list 中，把它加入 open list ，并且把当前方格设置为它的父亲，记录该方格的 F ， G 和 H 值。
③如果它已经在 open list 中，检查这条路径 ( 即经由当前方格到达它那里 ) 是否更好，用 G 值作参考。更小的 G 值表示这是更好的路径。如果是这样，把它的父亲设置为当前方格，并重新计算它的 G 值和 F 值。
④把终点加入到了 open list 中，此时路径已经找到了，或者查找终点失败，并且 open list 是空的，此时没有路径时停止。
4、保存路径。

四、结构框架

五、prime算法随机生成迷宫

算法详解：首先我们将点分为两个集合，一部分是可以作为通路的点，一部分为未添加到通路的点。随机选择一个起点，我将它标记为红色，判断它隔着蓝色格子对面的格子是不是预定义的黄色，如果是，则将其标记为红色代表通路，将两个格子之间的蓝色格子也标记为红色代表通路。然后继续以最后标记的红色格子重复刚刚的操作。
如果对面的格子不是黄色，则将蓝色格子设置为灰色，确定为障碍物，然后继续寻找另一个蓝色的格子，重复以上操作。

# random prim algorithm
def randomPrim(map, width, height):			
	startX, startY = (randint(0, width-1), randint(0, height-1))  # 随机生成一个起点坐标
	print("start(%d, %d)" % (startX, startY))
	map.setMap(2*startX+1, 2*startY+1, MAP_ENTRY_TYPE.MAP_EMPTY)
	
	checklist = []
	checklist.append((startX, startY))
	while len(checklist):
		# 从列表中随机选择一个入口
		entry = choice(checklist)	
		if not checkAdjacentPos(map, entry[0], entry[1], width, height, checklist):
			# 如果它正好也是未被访问过的点，就将它从列表中移出
			checklist.remove(entry)
# 将未设置为通路的点全部设置为墙
def doRandomPrim(map):
	# set all entries of map to wall
	map.resetMap(MAP_ENTRY_TYPE.MAP_BLOCK)	
	randomPrim(map, (map.width-1)//2, (map.height-1)//2)

六、A*算法设计

算法详解：使用F=G+H来预估下一步应该怎么走，H表示待检测结点到目标节点B的估计移动开销，G代表的是从初始位置Start沿着已生成的路径到指定待检测节点的移动开销，估价函数F为他们的取值求和，选择F值最小的节点确定为要移动的节点（当F值相同时我们可以选择跟着open列表中最近添加的方块走）。寻路过程中将待检测节点放入open list，已检测过的节点放入close list。最终close列表中存放的就是最短路径。

# 计算曼哈顿距离
	def calHeuristic(pos, dest):
		return abs(dest.x - pos[0]) + abs(dest.y - pos[1])

	# 计算消耗
	def getMoveCost(location, pos):
		if location.x != pos[0] and location.y != pos[1]:
			return 1.4
		else:
			return 1

	# 判断节点是否在open集或close集中
	def isInList(list, pos):
		if pos in list:
			return list[pos]
		return None
	
	# 添加节点的邻节点
	def addAdjacentPositions(map, location, dest, openlist, closedlist):
		poslist = getPositions(map, location)
		for pos in poslist:
			# 如果该节点已经在close列表中，什么都不做
			if isInList(closedlist, pos) is None:
				findEntry = isInList(openlist, pos)
				h_cost = calHeuristic(pos, dest)
				g_cost = location.g_cost + getMoveCost(location, pos)
				if findEntry is None :
					# 如果该节点不在open表中，将它添加到open表
					openlist[pos] = SearchEntry(pos[0], pos[1], g_cost, g_cost+h_cost, location)
				elif findEntry.g_cost > g_cost:
					# 如果此位置在open表中并且代价大于当前位置，那么更新代价和以前的节点位置
					findEntry.g_cost = g_cost
					findEntry.f_cost = g_cost + h_cost
					findEntry.pre_entry = location
	
	# 寻找open表中代价最小的节点，如果open表为空返回none
	def getFastPosition(openlist):
		fast = None
		for entry in openlist.values():
			if fast is None:
				fast = entry
			elif fast.f_cost > entry.f_cost:
				fast = entry
		return fast

	openlist = {}
	closedlist = {}
	location = SearchEntry(source[0], source[1], 0.0)
	dest = SearchEntry(dest[0], dest[1], 0.0)
	openlist[source] = location
	while True:
		location = getFastPosition(openlist)
		if location is None:
			# 没有找到有效路径
			print("can't find valid path")
			break;
		
		if location.x == dest.x and location.y == dest.y:
			break
		
		closedlist[location.getPos()] = location
		openlist.pop(location.getPos())
		addAdjacentPositions(map, location, dest, openlist, closedlist)
		
	# 在地图中标记找到的路径
	while location is not None:
		map.setMap(location.x, location.y, MAP_ENTRY_TYPE.MAP_PATH)
		location = location.pre_entry	

七、实现效果

首先点击Random Prim按钮，再点击start随机生成迷宫。

点击Source and des按钮随机设置起点和终点

最后点击A* search按钮寻找路径，也可以自己通过键盘按键手动走迷宫。

以上即为迷宫的实现记录。