一个小例子了解A*算法

A*算法介绍：

A*(A-Star)算法是一种启发式搜索方法，目前在网络路由算法、机器人探路、人工智能、游戏设计等方面有着普遍的应用。
A*算法一般是以估价函数 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。

f(n)=g(n)+h(n)
其中g(n) 是初始结点到n结点的实际代价，而h(n)是从n结点点到目的结点的最佳路径的估计代价，且h(n)<=h*(n), h*(n)为n结点到目的结点的最优路径的代价。

保证找到全局最优解的条件，关键在于估价函数h(n)的选取：

估价值h(n)小于等于n结点到目标结点最优路径的距离实际值，这种情况下，搜索的点数多，搜索范围大，效率低，但能得到全局最优解。

如果估价值h(n)大于实际值, 搜索的点数少，搜索范围小，效率高，但不能保证得到全局最优解。
估价值与实际值越接近，估价函数取得就越好。

自动寻路问题：

结果：

本实验采用的评估函数 f(n)
本实验采用的评估函数由两部分构成，第一个是实际代价，也就是至今搜索的步数，实际代价越小，说明走到终点的步数越小；第二个是估计代价，这里的估计代价采用哈密尔顿距离，估计代价越小，说明离得越近。

前五步A*算法的计算过程

第一步：此时的Open Table和Closed Table都为空，起点的g为0，计算出h为14，f=g+h=14，将起点S01写入Open Table。读取Open Table的第一个点，将S01写入Closed Table，模拟接下来发生的情况，由于向右边走是墙壁，向下边走出界，所以模拟向左边S00走，此时步数加一，g为1，计算S00的h为15，f=g+h=16，将S00加入Open Table；模拟向上边S16走，g为1，计算S16的h为13，f=g+h=14，将S16加入Open Table

第二步：Open Table有一个节点为S00、S16，Closed Table为S01。Open Table按照f从小到大排序，取出第一个节点S16,写入Closed Table，模拟接下来发生的情况，由于向右边走是墙壁，下边S01已经存在于Close Table说明已经走过了，模拟向左边S15走，此时步数加一，g为2，计算S15的h为14，f=g+h=16，将S15加入Open Table；模拟向上边S31走，g为2，计算S31的h为14，f=g+h=16，将S31加入Open Table

第三步：Open Table有三个节点：S00、S15、S31，Closed Table为S01、S16。Open Table按照f从小到大排序，此时三个节点的f一致，按h小的来取，取出第一个节点S15,写入Closed Table，模拟接下来发生的情况，由于向左边走出界，右边S16存在于Closed Table中，模拟向下边S00走，此时步数加一，g为3，比处在Open Table中的S00的g大，所以不更新S00；模拟向上边S30走，g为3，计算出h为15，f=g+h=18，将S30加入Open Table

第四步：Open Table有三个节点：S00、S30、S31，Closed Table为S01、S16、S15。Open Table按照f从小到大排序，此时S00和S31的f相同，取h小的节点S31（g:2,h:14:f:16）出来，写入Closed Table，模拟接下来发生的情况，由于下边的S16存在于Closed Table，向左边S30走步数加一，g为3与已存在于Open Table的S30的g一致，所以不更新；向上边S46走，步数加一，得S46（g:3,h:15,f:18）加入Open Table，向右边S32走，得S32(g:3,h:13,f:16)加入Open Table

第五步：Open Table有三个节点：S00、S30、S46、S32，Closed Table为S01、S16、S15、S31。Open Table按照f从小到大排序，此时S32和S00的f相同，取h小的节点S32（g:3,h:13，f:16）出来，写入Closed Table，模拟接下来发生的情况，由于下边是墙壁，左边S31已存在于Closed Table中，所以模拟向右边S33走，步数加一，得S33（g:4,h:12:f16）加入Open Table，模拟向上边S47走，得S47(g:4,h:14,f:18)加入Open Table