高效算法，B*寻路算法，python版，思维优化（3），python实现B*寻路算法

接下来我们对 路径进行优化

椭圆属性，圆上的每个点到 a、b 两点的距离都是一样的，我们选择爬过障碍的最短路径，计算每个点到 起点和穿透点的距离之和 ，最大说明该障碍点 离两个点最远，也就是绕过障碍的最佳点。

其实就是算是爬过障碍的一个判定点，但不全是因为可能有 多个点是一样的，只要不是这种包围型的，好像都只有一个。但是没关系。我们取第一个就好了

注：这里  B点是穿透点或者终点，我觉得是一样的效果，不过实际处理是固定为终点不变，A点初始是起点，需要不断更新为最新的最远距离点，因为从起点到第一个最远距离点的最短路径已经可以计算出来了， 接下来我们就把这个点作为起点 走向终点，

# 下图只是做个简单示范

 

 这里是 0    j   42     end   点，只要用A*算法去优化这些点之间的路劲就是最短路径了，上上面的图不算， 看着怪怪的，原来是画错了，椭圆上点到两固定点之间的距离之和  大于两固定点之间的距离，就是竖着扁扁的，小于就是横着扁扁的，

那么我们最后只产出        起点、  最远距离点1，最远距离点2.。。。。终点。再用A*寻路算法优化这几个点之间的距离，就是最短距离。

也就是说B*寻路算法 只需要产生这些点就算完成了任务，，，至于路劲啥的，不管。

那么我们在计算 攀爬障碍时，就计算一下每个点到起点或者上一个穿透点的距离之和就行了，但是我们不会去计算。

我们在计算 这个path时，是不是连着障碍的最外圈 也计算了，因为我们 从第一个障碍点开始计算了障碍物周围最外一圈 的障碍点  加入  openset >> closeSet (临时)。      外圈可走点加入了 path.

所以  我们可以通过  两种方式  计算最远点，，，一个是计算 closeSet,  另一个是计算path.

好了这下  连障碍都懒得爬了，直接找最远点就行了。 

   #障碍内圈的是 起码大于2 格子组成，不过用线性规划就可以解决任意类型的障碍，实际应用是应该没有这种单格障碍。。。。。。。哈哈哈，不然只能外圈走，内圈两头都是死路

这里特别  需要注意的是，计算外圈可走点 path是可以 判定到了达穿透点或者死路，从而中断，变成两段路径（可用和不可用通过是否到达穿透点），最后我们从所有完整到达穿透点的有效路径中取出       路径最小中的最远点

对于内圈（障碍物最外圈）不可走。也是同样两条分支路走，而且还就是分别朝着两个方向的起点走（这里在前面的代码有体现），这里内圈不太好判定，沿着边缘障碍点走，如果前面的地图边界，那么我们就放弃该路径，从起点的另一个分支走，但是这个分支一直走（假设不在地图边缘，也就是说我们会一直走一圈 走到原点。再从所走路径中取最远点。）好像也行，但是考虑到没有判定点，不能确定最远点是不是在有效路径里面。

所以这里我们干脆加入一个穿透点的  前一个障碍点作为判定不就好了。这样内外圈就是一样的了

我们找到障碍内圈最远的距离点，它周围八个点中所以   ==0的可走点，算一下距离就可以了。