漫画：什么是A*寻路算法？

最新推荐文章于 2020-12-03 23:37:35 发布

废言Pro

最新推荐文章于 2020-12-03 23:37:35 发布

阅读量249

点赞数

CC 4.0 BY-SA版权

分类专栏：算法(数据结构)&&架构

原文链接：https://mp.weixin.qq.com/s/FYKR_1yBKR4GJTn0fFIuAA

算法(数据结构)&&架构专栏收录该内容

50 篇文章

订阅专栏

本文详细介绍了A*寻路算法的基本步骤，包括如何初始化OpenList和CloseList，如何计算G、H、F值，以及如何迭代寻找路径直至终点。通过实例演示了算法的执行流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

比如像这样子：

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 ~ 第一步：找出OpenList中F值最小的方格，即方格Node(2,2)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。

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;
}