对A*算法的改进

 对sunway程序中的BUG所进行的修改

需要注意的是Sunway上面文章“深入A*算法”中引用了一个A*的游戏程序进行讲解,并有这个源码的下载,不过它有一个不小的Bug, 就是新的子节点放入OPEN表中进行了排序,而当子节点在Open表和Closed表中时,重新计算估价值后,没有重新的对Open表中的节点排序,这个问题会导致计算有时得不到最优解,另外在路网权重悬殊很大时,搜索范围不但超过Dijkstra,甚至搜索全部路网, 使效率大大降低。 

Drew 对这个问题进行了如下修正,当子节点在Open表和Closed表中时,重新计算估价值后,删除OPEN表中的老的节点,将有新估价值的节点插入OPEN表中,重新排序,经测试效果良好,修改的代码如下,红色部分为Drew添加的代码.添加进程序的相应部分即可。

在函数GenerateSucc()中 
...................................


 g=BestNode->g+1; /* g(Successor)=g(BestNode)+cost of getting from BestNode to Successor */
TileNumS=TileNum((int)x,(int)y); /* identification purposes */
if ((Old=CheckOPEN(TileNumS)) != NULL) 
{ 
for(c=0;c<8;c++)
if(BestNode->Child[c] == NULL) /* Add Old to the list of BestNode's Children (or Successors). */
break;
BestNode->Child[c]=Old;

if (g < Old->g) 
{
Old->Parent=BestNode;
Old->g=g;
Old->f=g+Old->h; 

 
//Drew 在该处添加如下红色代码 
//Implement by Drew 
NODE *q,*p=OPEN->NextNode, *temp=OPEN->NextNode;
while(p!=NULL && p->NodeNum != Old->NodeNum)
{
    q=p;
    p=p->NextNode;
}
if(p->NodeNum == Old->NodeNum)
{
   if(p==OPEN->NextNode)
  {
     temp = temp->NextNode;
     OPEN ->NextNode = temp;
  }
  else
  q->NextNode = p->NextNode;
 }
Insert(Old); // Insert Successor on OPEN list wrt f 
} 

 

A*算法是一种启发式搜索算法,常用于寻找两点之间最短路径的问题,特别是在图形或地图导航中。它结合了宽度优先搜索(广度优先)的优点和迪杰斯特拉算法(Dijkstra)的局部最优特性,并通过引入估价函数来加速搜索过程。 在Python中,A*算法可以使用如`heapq`库来进行优先级队列操作,因为它的效率比列表更适合处理大规模数据。下面是一个简单的A*算法的基本步骤: 1. 初始化:创建一个空的开放列表(open set)和关闭列表(closed set),以及起点(start)和终点(end)。 2. 设置起点的f值(g值+启发式值heuristic),并加入开放列表。 3. 循环直到找到终点或开放列表为空: - 弹出当前f值最小的节点作为当前节点。 - 如果当前节点是终点,返回路径。 - 否则,将当前节点的所有邻接节点添加到开放列表中,计算它们的f、g和h值,并根据f值排序。 4. 若无解,则返回无路可达的信息。 为了改进A*算法的性能,可以考虑以下几个方面: - **优化启发式函数**:选择一个好的估计函数,使其尽可能接近实际距离,减少搜索范围。 - **剪枝策略**:例如,当搜索空间过大时,可以设置一个启发式误差阈值,超出这个阈值的节点不再加入开放列表。 - **内存管理**:对于大型图,可以使用数据结构(如字典或集合)来存储已访问节点,而不是列表,提高查找速度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值