基于A*算法的最优路径搜索

启发式搜索

启发信息：利用与该问题有关的信息来简化搜索过程，称此类信息为启发信息。
启发式搜索：利用启发信息的搜索过程。
估价函数f(n):从初始结点经过n结点到达目的 结点的路径的最小代价估计值，其一般形式是f(n)=g(n)+h(n)。g(n)是从初始结点到n结点的实际代价，而h(n)是从n结点到目的结点的最佳路径的代价。估价函数的任务就是估计待搜索结点的“有希望”程度，并依次给它们排定次序。

启发式图搜索法的基本特点：如何寻找并设计一个与问题有关的h(n)及构造出f(n)=g(n)+h(n)，然后以f(n)的大小来排列待扩展状态的次序，每次选择f(n)值最小者进行扩展。

• open表：保留所有已生成而未扩展的状态。
• closed表：记录已扩展过的状态。
• 进入open表的状态是根据其估值的大小插入到表中合适的位置，每次从表中优先取出启发估价函数值最小的状态加以扩展。

A搜索算法

伪代码：

procedure heuristic_search
open：=[start]；closed：=[ ]；f(s)：=g(s)+h(s)；	*初始化
while open≠[ ] do
    begin
    从open表中删除第一个状态，称之为n；
        if n=目的状态  then return(success)；
    生成n的所有子状态；
        if n没有任何子状态  then continue；
        for n的每个子状态do
            case子状态 is not already on open表 or closed表；
                begin
          计算该子状态的估价函数值；
          将该子状态加到open表中；
                end； 
			case子状态 is already on open表：
                if 该子状态是沿着一条比在open表已有的更短路径而到达
                then 记录更短路径走向及其估价函数值；
            case子状态 is already on closed表：
                if 该子状态是沿着一条比在closed表已有的更短路径而到达
                then
                    begin
                        将该子状态从closed表移到open表中；
                        记录更短路径走向及其估价函数值；
                    end；
            case end；
            将n放入closed表中；
            根据估价函数值，从小到大重新排列open表；
    end；					*open表中结点已耗尽
return(failure)；
end.

A*算法：定义h*(n)为状态n到目的状态的最优路径的代价，则当A搜索算法的启发函数h(n)小于等于h*(n)时，则被称为A*算法。
如果某一问题有解，那么利用A*搜索算法对该问题进行搜索则一定能搜索到解，并且一定能搜索到最优的解而结束。

基于A*算法的最优路径搜索

问题定义：

如下图所示，搜索起点为A，目标点为B的最优路径。注意图中实心方格区域为墙，不可穿越。移动方向仅允许垂直和水平方向移动，每移动一步代价均相同，可设置为1。

程序实现

源码地址（包含程序说明和类图）：
Github下载
CSDN下载

运行截图

如有建议或问题，欢迎留言！