实验三预习 走迷宫(BFS生成迷宫+A*寻路)

一、实验目的

1.BFS生成迷宫
2.A*算法寻找最短路径
3.可视化界面和人机交互按钮

二、实验内容

1.设计Block类用于生成障碍物
2.设计Map类用于生成地图和刷新地图
3.设计DrawMap类用于生成最短路径的路线
4.使用tkinter开发组件设计全局布局界面

三、实验原理

3.1 BFS

广度优先搜索算法（又称宽度优先搜索）是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS（breadth-first search），属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。
从原理上来讲就是在初始状态把所有可行的操作一一进行操作，通过不断的尝试找到目标状态，举个例子就好比在一个水池中扔入一颗石子会溅起水波水波不断地向各个空间移动最终到达目的状态，又好比走迷宫一般在每一个节点把上下左右都尝试一遍之后找到出口 因为bfs需要不断地储存状态，取出之前存放状态，进行操作，再次储存，我们不难想到用队来进行储存；

3.2 A*算法

3.2.1算法细节

• Dijkstra算法可以很好的找到最短路径，但是浪费了不必要的时间去探索没有希望的方向；仅仅使用启发式的贪婪最优先搜索算法（GreedyBest First Search）总是选择最有希望的方向进行探索，但它可能找不到最优路径。A算法同时使用同时使用了上述两种方法的信息：从起点到目前位置的实际距离和目前位置到终点的估计距离。A算法通过如下公式来综合考虑每个待扩展节点的优先级。

3.2.2算法证明

• 对于上面A算法的思想，我给出如下一种简单的反证思路，可能有所纰漏，但是希望可以帮助理解：
  假设A算法找出的路径不是最短路径，那么A算法结束时说明找到了一条更长的从起点到终点的路径。我们要证明矛盾，只需要证明A算法在这一条更长的路径上不会顺利地执行下去即可。

  设起点为s，终点为t。设最短路径为T_{1}，A*算法找的路径为T_{2}。T_{1}这条路径上与T_{2}路径上第1个不同的节点为a,接下来依次是b,c,d,e…t（这些节点中可能有些与T_{2}路径上的相同，但无所谓，此时已经是一条不同的路径）。设T_{2}路径上，t节点的前一个节点为m。同时令h^{'}(x)表示节点x到终点t的实际距离。如下所示：
  也就是t节点的f(t)永远不会是待扩展节点中最小的，直到最短路径T_{1}上的余下节点被扩展完，节点t都不会被扩展。当最短路径T_{1} 最后一个非t节点被扩展后，自然扩展的就是t节点，此时算法结束。我们可以知道，结束时我们所找到的s到t的路径正是T_{1}而非T_{2}，与我们假设的矛盾。

所以如果h(x)始终小于等于节点x到终点的代价，则A算法保证一定能够找到最短路径。当h(x)的值越小，算法将遍历越多的节点，也就导致算法越慢。 如果h(x)很大，以至于完全等于节点x到终点的真实代价，则A算法将找到最佳路径，并且速度很快。可惜的是，并非所有场景下都能做到这一点。因为在没有达到终点之前，我们很难确切算出距离终点还有多远。