【A-star算法的学习】

A -star算法

提示：给出详细的A星算法介绍

原理

A-star算法在广度优先算法上做创新的。函数表达式为：
f(x)=g(x)+h(x),其中h(x)表示从当前状态位置点到达目标位置点最短路径；

源代码

def a_star_search(graph,start,goal):
	#frontier存放这一回合探索的边界位置点
	frontier=PriorityQueue()
	frontier.put(start,0)
	came_from={}#came_from是一个从当前位置到之前位置的映射。
	cost_so_far={}#代表位置的当前代价
	came_from[start]=None
	#设置起点的当前代价为0
	cost_so_far[start]=0

	while not frontier.empty():#只要frontier队列中不为空，循环就不会停止
		current=frontier.get()#抽取代价最低的位置点
		
		if current==goal:#检查位置点是否是目标位置，如果是，则算法结束，否则，继续执行；
			break
		for next in graph.neighbors(current):#当前代价和预估代价
			new_cost=cost_so_far[current]+graph.cost(current,next)#计算当前代价
			if next not in cost_so_far or new_cost < cost_so_far[next]:
				cost_so_far[next]=new_cost
				#heuristic为预估代价
				priority=new_cost+heuristic(goal,next)#当前代价加上预估代价；
				frontier.put(next,priority)
				came_from[next]=current

	return came_from,cost_so_far

def heuristic(a,b):#此处采用的曼哈顿距离，实际情况可以采用欧式距离计算
	(x1,y1)=a
	(x2,y2)=b
	return abs(x1-x2)+abs(y1-y2)