A*算法（三）——双OpenList实现

前言

之前写了两篇A*算法的实现文章：A*算法（一）——简单实现，实现了最简单直接的路径规划；A*算法（二）——最小堆实现，使用最小堆管理OpenList，效率提高很多。但是对于特定的简单情景，还有更快的实现方式。

双OpenList实现方法

前文提到：A*算法是一种启发式的路径搜索算法。对于地图中的每一个节点，我们记录起点到该节点的消耗g，估算该节点到终点的消耗h（并不是准确值，有多种估算方法，简单的比如欧氏距离），记两者之和f=g+h。

对于这样的情景：

①路径只能沿着上下左右的方向，不能通过斜向前进；

②对于H的估计使用曼哈顿距离（http://blog.csdn.net/tianlan_sharon/article/details/50904641）。

可以想到：

如果OpenList中最小的 F 值为 Fmin ，那么OpenList中节点的 F 值只可能是 Fmin 和 Fmin+2 。

所以：

如果分别建立两个OpenList，一个存储了 Fmin 的节点，另一个存储 Fmin+2 的节点，那么想OpenList中添加、删除节点时间复杂度为O（1），从OpenList中找出最小 F 值节点时间复杂度为O（1），整体的复杂度非常小了。

部分代码

向OpenList添加节点

void AStar::addNodeToOpenList(ListNode * node)
{
	if (node->F == iFOpenList1)
	{
		pOpenList1.push_back(node);
		return;
	}
	else if (node->F == iFOpenList2)
	{
		pOpenList2.push_back(node);
		return;
	}
	if (node->F != iFOpenList1 && pOpenList1.size() == 0)
	{
		iFOpenList1 = node->F;
		pOpenList1.push_back(node);
		return;
	}
	if (node->F != iFOpenList2 && pOpenList2.size() == 0)
	{
		iFOpenList2 = node->F;
		pOpenList2.push_back(node);
		return;
	}

	std::cout << __FILE__ << "出现了不符合加入OpenList规则的节点，不正确：第" << __LINE__ << "行" << std::endl;

}

从OpenList中选出 F 值最小的节点

ListNode * AStar::findLeastFInOpenList()
{
	if ((iFOpenList1 < iFOpenList2 || iFOpenList2 == -1) && !pOpenList1.size() == 0)
	{
		ListNode* pNode = pOpenList1.back();
		pOpenList1.pop_back();
		if (pOpenList1.size() == 0)
			iFOpenList1 = -1;
		return pNode;
	}
	if ((iFOpenList2 < iFOpenList1 || iFOpenList1 == -1) && !pOpenList2.size() == 0)
	{
		ListNode* pNode = pOpenList2.back();
		pOpenList2.pop_back();
		if (pOpenList2.size() == 0)
		{
			iFOpenList2 = -1;
		}
		return pNode;
	}

	std::cout << __FILE__ << "无法找到OpenList中F值最小的节点，不正确：第" << __LINE__ << "行" << std::endl;

}

效率及缺点

在测试中，楼主是12年的笔记本，CPU为Intel(R) Core(TM) i5-3210M CPU @ 2.50GHz，在分辨率100*100的地图中，找到12412条路径，用时大概在12秒左右。

缺点：

要保证OpenList中节点的F值只能是有限种类，且不能太多。这就限制了路径只能沿着上下左右，对 H 的估计不能出现小数。