在游戏开发中，AI的最基本问题之一就是寻路算法或称路径规划算法，在三年前，我曾实现过 基于“图算法”的最短路径规划算法，然而在游戏中，我们通常将地图抽象为有单元格构成的矩形，如：
这个微型地图由3*3的单元格构成，当然，实际游戏中的地图通常比它大很多，这里只是给出一个示例。
由于游戏地图通常由单元格构成，所以，基于“图算法”的路径规划便不再那么适用，我们需要采用基于单元格的路径规划算法。A*算法是如今游戏所采用的寻路算法中相当常用的一种算法，它可以保证在任何起点和任何终点之间找到最佳的路径（如果存在的话），而且，A*算法相当有效。
关于A*算法的原理的详细介绍，可以参考 这篇文章。当你明白A*算法的原理之后，在来看接下来的A*算法的实现就会比较容易了。
现在，让我们转入正题，看看如何在C#中实现A*算法。
首先，我们把地图划分为单元格，如此，一个地图就可以由（M行*N列）个单元格构成。我们使用AStarNode类来抽象单元格，表示一个节点，而节点的位置用Point表示，其X坐标表示Column Index，Y坐标表示Line Index。AStarNode的定义如下：
Code
[copy to cliPBoard]CODE:
/// <summary>
/// AStarNode 用于保存规划到当前节点时的各个Cost值以及父节点。
/// zhuweisky 2008.10.18
/// </summary>
public class AStarNode
{
#region Ctor
public AStarNode(Point loc, AStarNode previous, int _costG, int _costH)
{
this.location = loc;
this.previousNode = previous;
this.costG = _costG;
this.costH = _costH;
}
#endregion
#region Location
private Point location = new Point(0, 0);
/// <summary>
/// Location 节点所在的位置，其X值代表ColumnIndex，Y值代表LineIndex
/// </summary>
public Point Location
{
get { return location; }
}
#endregion
#region PreviousNode
private AStarNode previousNode = null;
/// <summary>
/// PreviousNode 父节点，即是由哪个节点导航到当前节点的。
/// </summary>
public AStarNode PreviousNode
{
get { return previousNode; }
}
#endregion
#region CostF
/// <summary>
/// CostF 从起点导航经过本节点然后再到目的节点的估算总代价。
/// </summary>
public int CostF
{
get
{
return this.costG + this.costH;
}
}
#endregion
#region CostG
private int costG = 0;
/// <summary>
/// CostG 从起点导航到本节点的代价。
/// </summary>
public int CostG
{
get { return costG; }
}
#endregion
#region CostH
private int costH = 0;
/// <summary>
/// CostH 使用启发式方法估算的从本节点到目的节点的代价。
/// </summary>
public int CostH
{
get { return costH; }
}
#endregion
#region ResetPreviousNode
/// <summary>
/// ResetPreviousNode 当从起点到达本节点有更优的路径时，调用该方法采用更优的路径。
/// </summary>
public void ResetPreviousNode(AStarNode previous, int _costG)
{
this.previousNode = previous;
this.costG = _costG;
}
#endregion
public override string ToString()
{
return this.location.ToString();
}
}
如果，你看过上面提到的那篇参考文章，那么类中的各个属性的定义就不难理解了。
我们假设，从某个节点出发，最多可以有8个方向移动，这8个方向定义为CompassDirections：
Code
[copy to cliPBoard]CODE:
public enum CompassDirections
{
NotSet = 0,
North = 1, //UP
NorthEast = 2, //UP Right
East = 3,
SouthEast = 4,
South = 5,
SouthWest = 6,
West = 7,
NorthWest = 8
}
CompassDirections遵守“左西右东，上北下南”的地图方位原则。
而从某个节点出发，朝8个方向之中的某个方向移动是有代价（Cost）的，而且朝每个方向移动的代价可能是不相同的，而我们的寻路算法正是要找到起点和终点之间总代价最小的路径。我们使用一个接口ICostGetter来获取从某个节点开始朝8个方向移动的代价值。
Code
[copy to clipboard]CODE:
/// <summary>
/// ICostGetter 获取从当前节点向某个方向移动时的代价。
/// </summary>
public interface ICostGetter
{
int GetCost(Point currentNodeLoaction, CompassDirections moveDirection);
}
之所以将其定义为接口，是因为不同的游戏中的对移动代价赋值是不一样的。不同的游戏可以自己实现这个接口，以表明自己的代价赋值策略。
尽管如此，我们还是给出一个最简单的ICostGetter实现以方便我们测试，这个实现表示从当前节点向上、下、左、右四个方向的移动的代价是一样的。
Code
[copy to cliPBoard]CODE:
/// <summary>
/// SimpleCostGetter ICostGetter接口的简化实现。直线代价为10， 斜线为14。
/// </summary>
public class SimpleCostGetter : ICostGetter
{
#region ICostGetter 成员
public int GetCost(Point currentNodeLoaction, CompassDirections moveDirection)
{
if (moveDirection == CompassDirections.NotSet)
{
return 0;
}
if (moveDirection == CompassDirections.East || moveDirection == CompassDirections.West || moveDirection == CompassDirections.South || moveDirection == CompassDirections.North)
{
return 10;
}
return 14;
}
#endregion
}
我们知道，如果定义上、下、左、右的代价为1，那么斜线的代价应为根号2，为了提高计算效率，我们将根号2取近似值为1.4，并将单位放大10倍（计算机对整数的运算比对浮点数的运算要快很多）。
我们还需要一个结构来保存在路径规划过程中的中间结果：
Code
[copy to clipboard]CODE:
/// <summary>
/// RoutePlanData 用于封装一次路径规划过程中的规划信息。
/// </summary>
public class RoutePlanData
{
#region CellMap
private Rectangle cellMap;
/// <summary>
/// CellMap 地图的矩形大小。经过单元格标准处理。
/// </summary>
public Rectangle CellMap
{
get { return cellMap; }
}
#endregion
#region ClosedList
private IList<AStarNode> closedList = new List<AStarNode>();
/// <summary>
/// ClosedList 关闭列表，即存放已经遍历处理过的节点。
/// </summary>
public IList<AStarNode> ClosedList
{
get { return closedList; }
}
#endregion
#region OpenedList
private IList<AStarNode> openedList = new List<AStarNode>();
/// <summary>
/// OpenedList 开放列表，即存放已经开发但是还未处理的节点。
/// </summary>
public IList<AStarNode> OpenedList
{
get { return openedList; }
}
#endregion
#region Destination
private Point destination;
/// <summary>
/// Destination 目的节点的位置。
/// </summary>
public Point Destination
{
get { return destination; }
}
#endregion
#region Ctor
public RoutePlanData(Rectangle map, Point _destination)
{
this.cellMap = map;
this.destination = _destination;
}
#endregion
}
有了上述这些基础结构，我们便可以开始实现算法的核心功能了：
Code
[copy to cliPBoard]CODE:
/// <summary>
/// AStarRoutePlanner A*路径规划。每个单元格Cell的位置用Point表示
/// F = G + H 。
/// G = 从起点A，沿着产生的路径，移动到网格上指定方格的移动耗费。
/// H = 从网格上那个方格移动到终点B的预估移动耗费。使用曼哈顿方法，它计算从当前格到目的格之间水平和垂直的方格的数量总和，忽略对角线方向。
/// zhuweisky 2008.10.18
/// </summary>
public class AStarRoutePlanner
{
private int lineCount = 10; //反映地图高度，对应Y坐标
private int columnCount = 10; //反映地图宽度，对应X坐标
private ICostGetter costGetter = new SimpleCostGetter();
private bool[][] obstacles = null; //障碍物位置，维度：Column * Line
#region Ctor
public AStarRoutePlanner() :this(10 ,10 ,new SimpleCostGetter())
{
}
public AStarRoutePlanner(int _lineCount, int _columnCount, ICostGetter _costGetter)
{
this.lineCount = _lineCount;
this.columnCount = _columnCount;
this.costGetter = _costGetter;
this.InitializeObstacles();
}
/// <summary>
/// InitializeObstacles 将所有位置均标记为无障碍物。
/// </summary>
private void InitializeObstacles()
{
this.obstacles = new bool[this.columnCount][];
for (int i = 0; i < this.columnCount; i++)
{
this.obstacles = new bool[this.lineCount];
}
for (int i = 0; i < this.columnCount; i++)
{
for (int j = 0; j < this.lineCount; j++)
{
this.obstacles[j] = false;
}
}
}
#endregion
#region Initialize
/// <summary>
/// Initialize 在路径规划之前先设置障碍物位置。
/// </summary>
public void Initialize(IList<Point> obstaclePoints)
{
if (obstacles != null)
{
foreach (Point pt in obstaclePoints)
{
this.obstacles[pt.X][pt.Y] = true;
}
}
}
#endregion
#region Plan
public IList<Point> Plan(Point start, Point destination)
{
Rectangle map = new Rectangle(0, 0, this.columnCount, this.lineCount);
if ((!map.Contains(start)) || (!map.Contains(destination)))
{
throw new Exception("StartPoint or Destination not in the current map!");
}
RoutePlanData routePlanData = new RoutePlanData(map, destination);
AStarNode startNode = new AStarNode(start, null, 0, 0);
routePlanData.OpenedList.Add(startNode);
AStarNode currenNode = startNode;
//从起始节点开始进行递归调用
return DoPlan(routePlanData, currenNode);
}
#endregion
#region DoPlan
private IList<Point> DoPlan(RoutePlanData routePlanData, AStarNode currenNode)
{
IList<CompassDirections> allCompassDirections = CompassDirectionsHelper.GetAllCompassDirections();
foreach (CompassDirections direction in allCompassDirections)
{
Point nextCell = GeometryHelper.GetAdjacentPoint(currenNode.Location, direction);
if (!routePlanData.CellMap.Contains(nextCell)) //相邻点已经在地图之外
{
continue;
}
if (this.obstacles[nextCell.X][nextCell.Y]) //下一个Cell为障碍物
{
continue;
}
int costG = this.costGetter.GetCost(currenNode.Location, direction);
int costH = Math.Abs(nextCell.X - routePlanData.Destination.X) + Math.Abs(nextCell.Y - routePlanData.Destination.Y);
if (costH == 0) //costH为0，表示相邻点就是目的点，规划完成，构造结果路径
{
IList<Point> route = new List<Point>();
route.Add(routePlanData.Destination);
route.Insert(0, currenNode.Location);
AStarNode tempNode = currenNode;
while (tempNode.PreviousNode != null)
{
route.Insert(0, tempNode.PreviousNode.Location);
tempNode = tempNode.PreviousNode;
}
return route;
}
AStarNode existNode = this.GetNodeOnLocation(nextCell, routePlanData);
if (existNode != null)
{
if (existNode.CostG > costG)
{
//如果新的路径代价更小，则更新该位置上的节点的原始路径
existNode.ResetPreviousNode(currenNode, costG);
}
}
else
{
AStarNode newNode = new AStarNode(nextCell, currenNode, costG, costH);
routePlanData.OpenedList.Add(newNode);
}
}
//将已遍历过的节点从开放列表转移到关闭列表
routePlanData.OpenedList.Remove(currenNode);
routePlanData.ClosedList.Add(currenNode);
AStarNode minCostNode = this.GetMinCostNode(routePlanData.OpenedList);
if (minCostNode == null) //表明从起点到终点之间没有任何通路。
{
return null;
}
//对开放列表中的下一个代价最小的节点作递归调用
return this.DoPlan(routePlanData, minCostNode);
}
#endregion
#region GetNodeOnLocation
/// <summary>
/// GetNodeOnLocation 目标位置location是否已存在于开放列表或关闭列表中
/// </summary>
private AStarNode GetNodeOnLocation(Point location, RoutePlanData routePlanData)
{
foreach (AStarNode temp in routePlanData.OpenedList)
{
if (temp.Location == location)
{
return temp;
}
}
foreach (AStarNode temp in routePlanData.ClosedList)
{
if (temp.Location == location)
{
return temp;
}
}
return null;
}
#endregion
#region GetMinCostNode
/// <summary>
/// GetMinCostNode 从开放列表中获取代价F最小的节点，以启动下一次递归
/// </summary>
private AStarNode GetMinCostNode(IList<AStarNode> openedList)
{
if (openedList.Count == 0)
{
return null;
}
AStarNode target = openedList[0];
foreach (AStarNode temp in openedList)
{
if (temp.CostF < target.CostF)
{
target = temp;
}
}
return target;
}
#endregion
}
代码中已经加了详尽的注释，要注意的有以下几点：
1.Initialize方法用于初始化障碍物的位置，所谓“障碍物”，是指导航时无法穿越的物体，比如，游戏中的墙、河流等。
2.标记为红色的ResetPreviousNode方法调用处，说明，到达当前节点的当前路径比已存在的路径代价更小，所以要选择更优的路径。
3.标记为黑体的 route.Insert(0, tempNode.PreviousNode.Location);方法调用，表示已经找到最优路径，此处便可通过反向迭代的方式整理出从起点到终点的最终路径。
4.CostH 的计算使用曼哈顿方法，它计算从当前格到目的格之间水平和垂直的方格的数量总和，忽略对角线方向。
5.在该算法中，至少还有一个地方可以优化，那就是GetMinCostNode方法所实现的内容，如果在路径搜索的过程中，我们就将OpenList中的各个节点按照Cost从小到大进行排序，那么每次GetMinCostNode时，就只需要取出第一个节点即可，而不必在遍历OpenList中的每一个节点了。在地图很大的时候，此法可以大幅提升算法效率。
最后，给出一个例子，感受一下：
Code
[copy to cliPBoard]CODE:
AStarRoutePlanner aStarRoutePlanner = new AStarRoutePlanner();
IList<Point> obstaclePoints = new List<Point>();
obstaclePoints.Add(new Point(2, 4));
obstaclePoints.Add(new Point(3, 4));
obstaclePoints.Add(new Point(4, 4));
obstaclePoints.Add(new Point(5, 4));
obstaclePoints.Add(new Point(6, 4));
aStarRoutePlanner.Initialize(obstaclePoints);
IList<Point> route = aStarRoutePlanner.Plan(new Point(3, 3), new Point(4, 6));
运行后，返回的route结果如下：
{3,3}, {2,3}, {1,3}, {1,4}, {1,5}, {2,5}, {2,6}, {3,6}, {4,6}
扫一扫
9890
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
