决策规划算法相关知识之 -- Dijkstra，A*算法

将Dijkstra和A*算法结合起来介绍，因为他们之间的关联性比较强。简单来说A*算法就是在Dijkstra算法的基础上增加了启发式函数。

怎么做？（实现原理）

首先从广度优先（BFS）算法开始，从程序执行的角度来解释BFS算法的原理，在地图中，维护一个未探索队列queue<location> frontier，和一个已达的unordered map<location, bool> reached,如果队列frontier非空，则进入循环：frontier出队一个元素，在四个方向上计算该元素的邻居（计算过程中对边界及其他约束条件进行判断），如果符合邻居条件则入队frontier，同时为该位置的reached添加<location , true>键值对，表示已访问，防止接下来的计算邻居重复计算相同的位置。该循环执行直至遍历完所有可访问的位置。

queue<location> frontier
unordered map<location, bool> reached

BFS扩展至Dijkstra算法

BFS算法只是无脑的把地图内所有可达的点都走一遍，那如果我们有一个确定的起始点和目标点，需要找到其最短路径，需要在BFS的基础上，为地图添加一个权重（或者叫损失（cost）），每移动相邻一格，权重（损失）为 1。 这样就将问题转移为找一条从起始点到目标点损失和（cost）最小的路径。另外，需要记录路径，用到unordered_map<location, location> came_from 来记录到达的每一个位置是从哪个位置来的。这样就能在到达目标点时，从目标点不断回溯came_from来找到一条从起始点到目标点的路径。前面还提到BFS无脑搜索所有可达位置，我们需要在其到达目标点后即刻停止搜索，因此简单添加一个识别条件（if （current == goal）break;）跳出循环。

unordered_map<location, location> came_from
unordered_map<location, double> cost_so_far

移动成本的计算表示为一个函数cost（from_node, to_node），一般两个相邻的可达位置之间移动成本为1，也可设置一些复杂环境（移动成本不为1）。添加一个unordered_map<Location, double>& cost_so_far，来记录每一个位置的总移动成本。在每一次移动中，我们需要查找移动成本最低的一个相邻位置进行移动，即从frontier队列中，找一个能使cost（current，frontier）中的位置）返回值最小的位置。可以用到priority_queue这一容器，使用自定义的判别规则，使cost_so_far最小的位置按照判别规则入队时在队首，执行.top()即可取出最小成本的位置，然后在该位置除对周围邻居位置，遍历判断新的位置的成本（是否比cost_so_far中存储的键值对更小 || 是否存在在cost_so_far中），有则更新cost_so_far键值对，更新came_from键值对，并将该位置加入frontier队列中。循环直到到达目标点。

Priority_queue<loaction,double> frontier

Dijkstra算法扩展至A*算法

Dijkstra算法中已经包含了几乎所有路径规划需要的数据结构和容器，A*只是在其基础上添加了一个启发式函数heuristic（next，goal）。Dijkstra中frontier存储的成本为cost_so_far。A*中将frontier存储的成本值改为

double Priority = cost_so_far+heuristic(next，goal)
//Priority值存入frontier中 代替cost_so_far进行比较
Priority_queue<loaction,double> frontier  

。该启发式函数为当前点next到目标点goal的曼哈顿距离。

为什么？（三者的区别，为何做出这些改进？）

在怎么做部分简单说了一下三者的递进关系。首先BFS是基础，无脑搜索整个地图，Dijkstra加入权重，存储一个名为cost_so_far 的unordered_map<location, double>。对已达的位置的cost和cost_so_far进行判断，更新新的位置。但总的来说，Dijkstra的新方向还是依据最小成本更新，仿佛是一个低着头的人，只将目光聚焦于周围的格子，只朝着最好走的格子前进。A*算法引入了启发式算法，使路径搜索更具目标性，就像是低着头走的人把头抬了起来，看见了目标点，每次走都朝着目标点的方向。