A*寻路算法

比如像这个样子：

第一步：
把起点放入 OpenList

第二步：
找出 OpenList 中 F 值最小的方格，即唯一的方格 Node(1,2) 作为当前方格，并把当前格移出 OpenList，放入 CloseList。代表这个格子已到达并检查过了。

第三步：
找出当前格上下左右所有可到达的格子，看它们是否在 OpenList 当中。如果不在，加入 OpenList，计算出相应的 G、H、F 值，并把当前格子作为它们的“父亲节点”。

图中，每个格子的左下方数字是 G，右下方是 H，左上方是 F。

Round2 ~ 第二步：
找出当前格上下左右所有可到达的格子，看它们是否在 OpenList 当中。如果不在，加入 OpenList ，计算出相应的 G、H、F 值，并把当前格子作为它们的“父亲节点”。

为什么这一次 OpenList 只增加了两个新格子呢？因为 Node(3,2) 是墙壁，自然不用考虑，而 Node(1,2) 在 CloseList 当中，说明已经检查过了，也不用考虑。

Round3 ~ 第一步：
找出 OpenList 中 F 值最小的方格。由于这时候多个方格的 F 值相等，任意选择一个即可，比如 Node(2,3) 作为当前方格，并把当前格移出 OpenList，放入 CloseList。代表这个格子已到达并检查过了。

Round3 ~ 第二步：
找出当前格上下左右所有可到达的格子，看它们是否在 OpenList 当中。如果不在，加入 OpenList，计算出相应的 G、H、F 值，并把当前格子作为它们的“父亲节点”。

剩下的就是以前面的方式继续迭代，直到 OpenList 中出现终点方格为止。这里就仅用图片简单描述了，方格中数字表示 F 值：

public Node aStarSearch(Node start, Node end) {
    // 把起点加入 open list  
    openList.add(start);
    //主循环，每一轮检查一个当前方格节点
    while (openList.size() > 0) {
        // 在OpenList中查找 F值最小的节点作为当前方格节点
        Node current = findMinNode();
        // 当前方格节点从open list中移除
        openList.remove(current);
        // 当前方格节点进入 close list
        closeList.add(current);
        // 找到所有邻近节点
        List<Node> neighbors = findNeighbors(current);
        for (Node node : neighbors) {
            if (!openList.contains(node)) {
                //邻近节点不在OpenList中，标记父亲、G、H、F，并放入OpenList
                markAndInvolve(current, end, node);
            }
        }
        //如果终点在OpenList中，直接返回终点格子
        if (find(openList, end) != null) {
            return find(openList, end);
        }
    }
    //OpenList用尽，仍然找不到终点，说明终点不可到达，返回空
    return null;
}

这里对于 A* 寻路的描述做了很大的简化。实际场景中可能会遇到斜向移动、特殊地形等等因素，有些时候需要对 OpenList 中的方格进行重新标记。