个人Demo开发--A星寻路模块

在换行进入游戏行业，并且在一家公司稳定工作一年多之后，感觉自己的学习似乎陷入了停滞，在思考了一段时间，并且和道友们交流过后，还是决定先动起来。在这一年多的工作时间里，每每想要学习点什么，都经常会想得太多而无法下手，所以最后终于决定，开始动起来，开始写自己想写的游戏，但是我知道，自己能力还不足，这也是为什么叫demo开发的原因，我希望能通过多次迭代开发或者重构，最终创作出一个自己满意的demo。

废话说的有点多，接下来进入正题，目前我的demo里已经完成了以下几个部分，资源加载模块(基于QF框架)，简易的消息机制，基于消息机制的回合制流程，简单的地图生成模块(相当简陋)，寻路模块，而今天呢，我决定先来讨论寻路模块

之所以这么决定，是因为，这个模块是我最近完成，并且基于我的地图设想进行了一定的优化，所以印象深刻，那么接下来，就开始正式说说A星寻路这个大名鼎鼎的寻路算法。

A星寻路分析

如果我们直接刨析A星寻路的原理的话，其实非常的简单，其灵魂，实际上就是他的公式:F = G + H，G是指当前节点距离父节点的距离，H是指当前节点到终点的距离，而F是指总共的消耗值，A星寻路的过程，就是不断地寻找自生周围F值最小的点，然后把其设置为当前节点，当找到终点时，方可停止。

单次寻路拆解

这里引用一下B站唐老师的视频解说图

图中a点(黄色)为起始点，d点(蓝色)为终点，红色方块为阻挡

a点的周围，一共有8个点，分别为a1~a8，筛选掉处于阻挡模块的点，那么可选的点还剩下7个

分别计算每个点到终点F值，F = G + H，那么我们需要计算出G和H的值

首先来计算G的值，上下左右的点的G值其实非常直接，为1，斜角的点，我们需要在这做一点小处理，为了方便计算，我们可以直接规定斜角值为1.4，实际上就是对2开根号

接下来计算H的值，H值的计算为了方便，也做了一定的简化计算处理，规则就是，直接计算当前点与终点的横坐标与纵坐标的差值和，并且在计算过程中，无视阻挡，比如a2，H=4(x)+1(y)

那么经过计算，我们能得出，F值最小的点，应该是正上方(a2)和正右方(a4)的两个点，我们可以先取正右方(a5)的点来继续进行下一步，至于为什么不取上方点(a2)，后面我们再解释(如果推演一下，也能发现，a2后续的点F值反而不是最小的)

那么以a5为起点，再次重复进行找寻周围点的步骤，但是在这里，我们需要注意一个小细节，已经找过的点，我们不应该再记录了，那么第二次搜寻得到的新的点如图

通过计算，我们可以得到，b1是F值最小的点，那么我们再以b1为起点，再次重复步骤

然后再次得到c2为最近点，那么再重复找寻周围点，最后发现终点，就是c2的周围点，d点

过程步骤总结

当我们模拟一次完整的寻路过程，不难发现在寻路的过程中，有着重复的步骤，那么我们可以把其中复用的部分提炼，以便于后续进行代码的编写

首先，先对寻路的过程进行一个大致总结：

选定起点与终点→判断起点终点是否合法(是否超出地图范围，是否为阻挡)→找寻周围点→从周围点中找出F值最小点(在找寻过程中，需要判断是否合法，不合法则选取第二小的点)→判断是否为终点→(不是终点)设为起点→找寻周围点

由此则完成了一个正常循环，这就是上述拆解中能够得到的核心步骤

代码分析

经过之前的分析，我们可以大致构想出我们需要的代码框架

首先，我们需要节点类，节点类大致需要几个属性，F(消耗)，G(起点距离)，H(终点距离)，x，y，还有一个parent这个属性在我们回溯路径时非常重要

根据我们过程中分析，为了便于我们筛选，我们还需要两个列表，一个用于存放已经遍历过的点，叫做开启列表(openList)，一个用于存放被设置成起点的点，叫做关闭列表(closeList)，这两个列表同样非常关键

其次，我们需要把整体的寻路过程，写在一个方法里，并且带有返回值为寻路路径，可以便于外部调用，这个方法需要传入起点与终点，给寻路过程使用

在方法的内部，我们进行真正的寻路步骤

在开始寻路之前，需要把坐标点转换成实际的地图节点，然后对节点进行必要的检查

进行初始化操作，并且把起点放入关闭列表

获取起点周围的点，并且找出其中的最小点，这一步步骤可能会有重复，可以考虑用循环或者递归来做重复的操作，考虑到递归的本质是调用方法，可能导致额外的GC(这只是个人的考虑，还没有经过验证，不一定准确)，所以我这里使用的是循环实现

把暂时的起点周围符合条件的点(范围合法且不在openList和closeList中)放入openList，在加入开启列表之前，有一个非常重要的操作，就是把起点设置为所有点的parent

从openlist中选出最小的点作为起点，从openList中移除，并且把他加入到closeList中

而判断是否跳出循环的条件也很简单，就是判断当前起点是否为终点。当找到终点时，我们则需要回溯得到完整路径时，有一个值得注意的关键点，我们不可以直接把整个closeList作为路径，而是应该通过终点的parent点，一个个回溯得到完整路径，至于为什么，我们在后面再进行分析

总结与分析

至此，完整的寻路逻辑其实已经基本完成了，仔细回顾一下，步骤其实并不多

1.获得起点与终点，并且判断节点合法性

2.列表以及起点信息初始化，把起点放入closeList

3.获取起点周围点(合法点，且不在openList和closeList中)，并且加入openList

4.获取openList中F值最小节点，设置为起点，并且加入closeList

5.判断当前起点是否为终点，如果是终点则回溯得到路径并且跳出循环，如果不是终点则重复步骤3，4

笔者在学习完A星寻路后，提出了两个疑问，并且在后续的思考中获得了答案，那么我就来探讨一下这两个疑问

第一个，为什么每次选择新起点需要从openList中选择，而不是从周围点中获取，其实这个问题如果做过一定的推演，不难得到答案，当地图中没有阻挡或者不会形成死路时，新起点的周围点的F值，应该会一直小于之前的点，那么从周围点选取不太会出现问题，但是当当前寻路路径走到死路时，不难发现，我们已经无法获取到周围点了，因为，周围的点要么是阻挡，要么已经在处于openList或者closeList中了，会导致寻路出现异常，他无法从之前点中找寻一条新的可能路径，所以，我们选取新点时，需要从openList中选择，由此我们也可以推断出无法到达终点的情况，当所有的点都已经放入了closeList，openList已经为空，并且closeList中不存在终点时，说明从起点无法到达终点

第二个，为什么回溯路径不能直接使用closeList，而是需要通过终点记录的parent一个个追溯得到完整路径，其实如果能够理解第一条中分析的情况，那么这一条就能很容易明白其中缘由，当我们的寻路过程中存在错误路径，也即寻路出现死路需要从之前某个点重新寻路时，closeList中记录的点就会存在死路中的节点，如果直接采用，那么给出的路径必然是错误的，通过提前记录的唯一parent节点，则能够正确的找出完整的路径，并且是从终点开始回溯，确保了路径的正确性

A星寻路的学习，到此就告一段落了，在没有真正实践了解之前，它始终保持着神秘的面纱，但当你真正去面对，深入了解与学习之后，能发现它没有想象中的那么困难，而在学习的道路中亦是如此，愿未来的你我，顶峰相见