A*寻路,二叉堆优化及AS3实现

　　游戏时代群雄并起，寻路乃中原逐鹿第一步，重要性不言而喻。今习得寻路战术之首A*算法，为大家操演一番，不足之处还望不吝赐教。可以选择阅读下面的内容，或者先看看 寻路示例 、AS3类代码 及其 API文档。

• 牛刀小试 - A*寻路算法简介
• 如虎添翼 - 使用二叉堆优化
• 锋芒毕露 - AS3代码和示例

牛刀小试 - A*寻路算法简介

　　eidiot挂帅出征，携令牌一枚，率人马若干，编制如下：

• 寻路元帅
  　　寻路总指挥，执“行动令牌”一枚和“开启士兵名录”、“关闭将军名录”各一册。凭“行动令牌”调兵遣将。
• 预备士兵
  　　由元帅或预备将军派往未探索区域，完成探索任务后授“开启”军衔，晋为“开启士兵”。发令派其出者为其“父将”。
• 开启士兵
  　　前线待命。接到“行动令牌”后晋为“预备将军”执行探索任务。
• 预备将军
  　　凭“行动令牌”派出预备士兵至周围未探索区域，并考察周围“开启士兵”状态，以“父将”之名节制所派士兵。归还“行动令牌”后授“关闭”军衔，晋为“关闭将军”。
• 关闭将军
  　　后方待命。到达终点后依次报告“父将”直至元帅，寻路任务完成。

　　为协调行动，特颁军令如下：

• “预备士兵”只能由起点或“父将”所在格横、竖或斜向移动一格，直向（横、竖）移动一格走10步，斜向一格14步（斜向是直向1.414倍，取整数），抵达后不得再移动。
• 所有人员需记下派出自己的“父将”、从起点到所在位置所走步数（G）、预计到达终点共需步数（F）。
  其中 F = G + H ，F 是从起点经过该点到终点的总路程，G 为起点到该点的“已走路程”，H 为该点到终点的“预计路程”。G 的计算是“父将”的 G 值加上“父将”位置到该位置所走步数，H 的计算是该点到终点“只走直路”所需路程。

　　看看战图更容易理解，从红色方格出发越过黄色障碍到达蓝色方格：

图例：

　　由图可形象看出何谓“开启士兵”、“关闭将军”：外围的绿色方格为“开启士兵”，“前线待命”，随时可向外继续探索。内围的紫色方格是“关闭将军”，从终点开始沿箭头寻其“父将”直至起点即得最终路径。
　　战前会议结束，拔营出征。

• 首先派出编号为0的“预备士兵”侦查起点，然后升其为“开启士兵”，列入“开启士兵名录”。
• 检查“开启士兵名录”，找出F值最低的“开启士兵”（只有一名人员，当然是0号），发出“行动令牌”派其执行探索任务。
• 0号“开启士兵”接到“行动令牌”，晋为“预备将军”，探索周围格子。
• 向周围8个格子分别派出编号为1到8的“预备士兵”，成为这八名“预备士兵”的“父将”。
• 八名“预备士兵”到达方格后计算G值和F值，报告0号“父将”，晋为“开启士兵”。
• 0号“预备将军”收到八名“开启士兵”的报告，归还“行动令牌”，晋为“关闭将军”。
• 元帅收回“行动令牌”，将0号加入“关闭将军名录”，1到8号加入“开启士兵名录”。

　　此过程结果如下（方格右上角数字是人员编号，左下角是G，右下角是H，左上角是F）：

　　第一轮探索任务完成，元帅开始检查“开启士兵名录”。此时名录中有8名人员，其中1号F值最低为40（起点右移一格，G值为10，到终点平移3格，H值为30，F = G + H = 40），向其发出“行动令牌”。

• 1号“开启士兵”接到“行动令牌”，晋为“预备将军”，探索周围格子。
• 周围8个格子中有3格障碍，跳过。一格是“关闭将军”，跳过。其余四格是“开启士兵”，检查如果从该位置过去G值是否更低。以2号为例，如果从1 号过去G值为 10 + 14 = 24 （1号的G值加上1号到2号的步数）,而2号原来的G值是10，不做处理（如果此时发现新的G值更低，则更新2号的G值，并改2号的“父将”为1号）。其他类推。
• 1号检测完周围的方格，不需做任何处理，归还“行动令牌”，晋为“关闭将军”。
• 元帅收回“行动令牌”，将1号加入“关闭将军名录”。

　　此过程结果如下：

　　第二轮结束，元帅再次检查“开启士兵名录”。此时还有7名“开启士兵”，5号和8号的F值都为最低的54，选择不同寻路的结果也将不同。元帅选择了最后加入的8号“开启士兵”发出“行动令牌”，过程同上，不赘述，结果如下：

　　重复这个过程直到某位“关闭将军”站到了终点上（或者“开启士兵”探测到了终点，这样更快捷，但某些情况找到的路径不够短），亦即找到了路径；或是“开启士兵名录”已空，无法到达终点。
　　下面整理一下全过程并翻译成“标准语言”，首先是各名词：

• “开启士兵名录” - 开启列表 - open list
• “关闭将军名录” - 关闭列表 - closed list
• “父将” - 父节点 - parent square
• F - 路径评分
• G - 起点到该点移动损耗
• H - 该点到终点（启发式）预计移动损耗

　　寻路过程：

• 1, 将起点放入开启列表
• 2, 寻找开放列表中F值最低的节点作为当前节点
• 3, 将当前节节点切换到关闭列表
• 4, 如果当前节点是终点则路径被找到，寻路结束
• 5, 对于其周围8个节点:
  • 如果不可通过或已在关闭列表，跳过，否则：
  • 如果已在开放列表中，检查新路径是否更好。如果新G值更低则更新其G值并改当前节点为其父节点，否则跳过
  • 如果是可通过区域则放入开启列表，计算这一点的F、G、H值，并记当前节点为其父节点
• 6, 如果开启列表空了，则无法到达目标，路径不存在。否则回到2

　　再翻译成“编程语言”？请看第三部分，锋芒毕露 - AS3代码和示例。

如虎添翼 - 使用二叉堆优化

　　如何让A*寻路更快？元帅三顾茅庐，请来南阳二叉堆先生帮忙优化寻找“开启士兵名录”中最低F值的过程，将寻路速度提高了2到3倍，而且越大的地图效果越明显。下面隆重介绍二叉堆先生：
　　下图是一个二叉堆的例子，形式上看，它从顶点开始，每个节点有两个子节点，每个子节点又各自有自己的两个子节点；数值上看，每个节点的两个子节点都比它大或和它相等。

　　在二叉堆里我们要求：

• 最小的元素在顶端
• 每个元素都比它的父节点大，或者和父节点相等。

　　只要满足这两个条件，其他的元素怎么排都行。如上面的例子，最小的元素10在最顶端，第二小的元素20在10的下面，但是第三小的元素24在20的下面，也就是第三层，更大的30反而在第二层。
　　这样一“堆”东西我们在程序中怎么用呢？幸运的是，二叉堆可以用一个简单的一维数组来存储，如下图所示。

　　假设一个元素的位置是n（第一个元素的位置为1，而不是通常数组的第一个索引0），那么它两个子节点分别是 n × 2 和 n × 2 + 1 ，父节点是n除以2取整。比如第3个元素（例中是20）的两个子节点位置是6和7，父节点位置是1。
　　对于二叉堆我们通常有三种操作：添加、删除和修改元素：

• 添加元素
  首先把要添加的元素加到数组的末尾，然后和它的父节点（位置为当前位置除以2取整，比如第4个元素的父节点位置是2，第7个元素的父节点位置是3）比较，如果新元素比父节点元素小则交换这两个元素，然后再和新位置的父节点比较，直到它的父节点不再比它大，或者已经到达顶端，及第1的位置。
• 删除元素
  删除元素的过程类似，只不过添加元素是“向上冒”，而删除元素是“向下沉”：删除位置1的元素，把最后一个元素移到最前面，然后和它的两个子节点比较，如果较小的子节点比它小就将它们交换，直到两个子节点都比它大。
• 修改元素
  和添加元素完全一样的“向上冒”过程，只是要注意被修改的元素在二叉堆中的位置。

　　可以看出，使用二叉堆只需很少的几步就可以完成排序，很大程度上提高了寻路速度。
　　关于二叉堆先生需要了解的就是这么多了，下面来看看他怎么帮助元帅工作：

• 每次派出的“预备士兵”都会获得一个唯一的编号（ID），一直到寻路结束，它所有的数据包括位置、F值、G值、“父将”编号都将按这个ID存储。
• 每次有新的“开启士兵”加入，二叉堆先生将它的编号加入“开启士兵名录”并重新排序，使F值最低的ID始终排在最前面
• 当有“开启士兵”晋为“关闭将军”，删除“开启士兵名录”的第一个元素并重新排序
• 当某个“开启士兵”的F值被修改，更新其数据并重新排序

　　注意，“开启士兵名录”里存的只是人员的编号，数据全都另外存储。不太明白？没关系，元帅将在 第三部分 来次真刀实枪的大演兵。

锋芒毕露 - AS3代码和示例

　　地形数据不属于A*寻路的范围，这里定义一个 IMapTileModel 接口，由其它（模型）类来实现地图通路的判断。其它比如寻路超时的判断这里也不介绍，具体参考 AStar类及其测试代码。这里只介绍三部分主要内容：

• 数据存储
• 寻路过程
• 列表排序

数据存储
　　首先看看三个关键变量：

private var m_openList : Array ; //开放列表，存放节点ID
private var m_openCount : int ; //当前开放列表中节点数量
private var m_openId : int ; //节点加入开放列表时分配的唯一ID(从0开始)

　　开放列表 m_openList 是个二叉堆（一维数组），F值最小的节点始终排在最前。为加快排序，开放列表中只存放节点ID ，其它数据放在各自的一维数组中：

private var m_xList : Array ; //节点x坐标
private var m_yList : Array ; //节点y坐标
private var m_pathScoreList : Array ; //节点路径评分F值
private var m_movementCostList : Array ; //(从起点移动到)节点的移动耗费G值
private var m_fatherList : Array ; //节点的父节点(ID)

　　这些数据列表都以节点ID为索引顺序存储。看看代码如何工作：

//每次取出开放列表最前面的ID
currId = this . m_openList [ 0 ] ;
//读取当前节点坐标
currNoteX = this . m_xList [ currId ] ;
currNoteY = this . m_yList [ currId ] ;

　　还有一个很关键的变量：

private var m_noteMap : Array ; //节点(数组)地图,根据节点坐标记录节点开启关闭状态和ID

　　使用 m_noteMap 可以方便的存取任何位置节点的开启关闭状态，并可取其ID进而存取其它数据。m_noteMap 是个三维数组，第一维y坐标（第几行），第二维x坐标（第几列），第三维节点状态和ID。判断点(p_x, p_y)是否在开启列表中：

return this . m_noteMap [ p_y ][ p_x ][ NOTE_OPEN ] ;

寻路过程
　　AStar类 寻路的方法是 find() :

/**
* 开始寻路
* @param p_startX        起点X坐标
* @param p_startY        起点Y坐标
* @param p_endX        终点X坐标
* @param p_endY        终点Y坐标
* @return                 找到的路径(二维数组 : [p_startX, p_startY], ... , [p_endX, p_endY])
*/        
public function find ( p_startX : int , p_startY : int , p_endX : int , p_endY : int ) : Array { /* 寻路 */ }

　　注意这里返回数据的形式：从起点到终点的节点数组，其中每个节点为一维数组[x, y]的形式。为了加快速度，类里没有使用Object或是Point，节点坐标全部以数组形式存储。如节点note的x坐标为note[0],y坐标为note[1]。
　　下面开始寻路，第一步将起点添加到开启列表：

this . openNote ( p_startX , p_startY , 0 , 0 , 0 ) ;

　　openNote() 方法将节点加入开放列表的同时分配一个唯一的ID、按此ID存储数据、对开启列表排序。接下来是寻路过程：

while ( this . m_openCount > 0 )
{
     //每次取出开放列表最前面的ID
     currId = this . m_openList [ 0 ] ;
     //将编码为此ID的元素列入关闭列表
     this . closeNote ( currId ) ;
     //如果终点被放入关闭列表寻路结束，返回路径
     if ( currNoteX == p_endX && currNoteY == p_endY )
         return this . getPath ( p_startX , p_startY , currId ) ;
     //...每轮寻路过程
}
//开放列表已空，找不到路径
return null ;

　　每轮的寻路：

//获取周围节点，排除不可通过和已在关闭列表中的
aroundNotes = this . getArounds ( currNoteX , currNoteY ) ;
//对于周围每个节点
  for each ( var note : Array in aroundNotes )
{
     //计算F和G值
     cost = this . m_movementCostList [ currId ] + (( note [ 0 ] == currNoteX || note [ 1 ] == currNoteY ) ? COST_STRAIGHT : COST_DIAGONAL ) ;
     score = cost + ( Math . abs ( p_endX - note [ 0 ]) + Math . abs ( p_endY - note [ 1 ])) * COST_STRAIGHT ;
     if ( this . isOpen ( note [ 0 ] , note [ 1 ])) //如果节点已在开启列表中
     {
         //测试节点的ID
     checkingId = this . m_noteMap [ note [ 1 ]][ note [ 0 ]][ NOTE_ID ] ;
     //如果新的G值比节点原来的G值小,修改F,G值，换父节点
     if ( cost < this . m_movementCostList [ checkingId ])
     {
         this . m_movementCostList [ checkingId ] = cost ;
         this . m_pathScoreList [ checkingId ] = score ;
         this . m_fatherList [ checkingId ] = currId ;
         //对开启列表重新排序
         this . aheadNote ( this . getIndex ( checkingId )) ;
     }
     } else //如果节点不在开放列表中
     {
     //将节点放入开放列表
     this . openNote ( note [ 0 ] , note [ 1 ] , score , cost , currId ) ;
     }
}

　　从终点开始依次沿父节点回到到起点，返回找到的路径：

/**
 * 获取路径
 * @param p_startX    起始点X坐标
 * @param p_startY    起始点Y坐标
 * @param p_id        终点的ID
 * @return             路径坐标数组
 */        
private function getPath ( p_startX : int , p_startY : int , p_id : int ) : Array
{
     var arr : Array = [] ;
     var noteX : int = this . m_xList [ p_id ] ;
     var noteY : int = this . m_yList [ p_id ] ;
     while ( noteX != p_startX || noteY != p_startY )
     {
     arr . unshift ([ noteX , noteY ]) ;
     p_id = this . m_fatherList [ p_id ] ;
     noteX = this . m_xList [ p_id ] ;
     noteY = this . m_yList [ p_id ] ;
     }
     arr . unshift ([ p_startX , p_startY ]) ;
     this . destroyLists () ;
     return arr ;
}

列表排序
　　这部分看代码和注释就可以了，不多说：

/** 将(新加入开放别表或修改了路径评分的)节点向前移动 */
private function aheadNote ( p_index : int ) : void
{
     var father : int ;
     var change : int ;
     //如果节点不在列表最前
     while ( p_index > 1 )
     {
     //父节点的位置
     father = Math . floor ( p_index ／ 2 ) ;
     //如果该节点的F值小于父节点的F值则和父节点交换
     if ( this . getScore ( p_index ) < this . getScore ( father ))
     {
         change = this . m_openList [ p_index - 1 ] ;
         this . m_openList [ p_index - 1 ] = this . m_openList [ father - 1 ] ;
         this . m_openList [ father - 1 ] = change ;
         p_index = father ;
     } else
     {
         break ;
     }
     }
}
/** 将(取出开启列表中路径评分最低的节点后从队尾移到最前的)节点向后移动 */
private function backNote () : void
{
     //尾部的节点被移到最前面
     var checkIndex : int = 1 ;
     var tmp : int ;
     var change : int ;
     while ( true )
     {
     tmp = checkIndex ;
     //如果有子节点
     if ( 2 * tmp <= this . m_openCount )
     {
         //如果子节点的F值更小
         if ( this . getScore ( checkIndex ) > this . getScore ( 2 * tmp ))
         {
         //记节点的新位置为子节点位置
         checkIndex = 2 * tmp ;
         }
         //如果有两个子节点
         if ( 2 * tmp + 1 <= this . m_openCount )
         {
         //如果第二个子节点F值更小
         if ( this . getScore ( checkIndex ) > this . getScore ( 2 * tmp + 1 ))
         {
             //更新节点新位置为第二个子节点位置
             checkIndex = 2 * tmp + 1 ;
         }
         }
     }
     //如果节点位置没有更新结束排序
     if ( tmp == checkIndex )
     {
         break ;
     }
     //反之和新位置交换，继续和新位置的子节点比较F值
     else
     {
         change = this . m_openList [ tmp - 1 ] ;
         this . m_openList [ tmp - 1 ] = this . m_openList [ checkIndex - 1 ] ;
         this . m_openList [ checkIndex - 1 ] = change ;
     }
     }
}

　　其中 getScore() 方法：

/**
 * 获取某节点的路径评分F值
 * @param p_index    节点在开启列表中的索引(从1开始)
 */        
private function getScore ( p_index : int ) : int
{
     //开启列表索引从1开始，ID从0开始，数组索引从0开始
     return this . m_pathScoreList [ this . m_openList [ p_index - 1 ]] ;
}

查看寻路示例
下载示例源文件 (zip 6.44)

参考文章：
A* Pathfinding for Beginners (中文)
Using Binary Heaps in A* Pathfinding (中文)

 

 

摘自：http://eidiot.net/2007/04/17/a-star-pathfinding/