A*算法理解入门

Introduction To The A* Algorithm

文章来源

代码实现

广度优先搜索-Breadth First Search

层次遍历

flood fill.

1. 起点入队；
2. 队列中取出一个节点，标记为已访问，并遍历其相邻节点，将未访问的节点入队；
3. 队列是否为空 ? end : step2.
   
   遍历过程中添加记录“父节点”的操作，便于由终点回溯出最短路径。

Early exit

早退

if current_node == goal:
	break

Movement costs

Steps or Distance.

考虑到不同的移动成本开销（图上边权重不同），BFS就不适用于计算最短路径。

Dijkstra算法

计算单源最短路径。

Dijkstra(Graph, start, goal):
    priority queue Q
    Init...
    # distances[i]=∞
    # distances[start]=0
    # visited[i]=False
    # predecessors[i]=i
    # Q.enqueue(start)
    while Q is not empty:
        u <-- min(distances[u]) and visited[u] = False
        Q.dequeue(u)
        visited[u] = True;
        for neighbor in neighbors[u]:
            new_distance = distances[u] + weight(u, v)
            if visited[v]==False and new_distance < distances[v]:
                distances[v] = new_distance
                predecessors[v] = u
                Q.enqueue(v)
                

启发式搜索-Heuristic Search

定义一个启发函数，返回与目标点的曼哈顿距离。

def heuristic(a, b):
   # Manhattan distance on a square grid
   return abs(a.x - b.x) + abs(a.y - b.y)

对比发现，速度大大提升！

A*算法

将dijkstra算法与Heuristic search相结合，融会贯通。

F(n) = G(n) + H(n)

• G(n)：从起始节点到节点n的实际开销（movement cost）
• H(n)：启发式函数，表示从节点n到目标节点的估计最小代价
• F(n)：总开销
  
  
  看吧，这就是既要，又要，全都要！