android a*算法寻路,A*寻路算法的简单实现-优快云博客

A*算法是比较流行的启发式搜索算法之一，被广泛应用于路径优化领域。它的独特之处是检查最短路径中每个可能的节点时引入了全局信息，对当前节点距终点的距离做出估计，并作为评价该节点处于最短路线上的可能性的量度。

在正式实现算法之前介绍一种地图建模的方法，栅格法如图所示，栅格法实质上是将机器人工作环境进行单元分割，将其用大小相等的方块表示出来，这样栅格大小的选取是影响规划算法性能的一个很重要的因素。栅格较小的话，由栅格地图所表示的环境信息将会非常清晰，但由于需要存储较多的信息，会增大存储开销，同时干扰信号也会随之增加，规划速度会相应降低，实时性得不到保证；反之，由于信息存储量少，抗干扰能力有所增强，规划速随之增快，但环境信息划分会变得较为模糊，不利于有效路径的规划。

算法实验地图：寻路要求从左上角开始到右下角

栅格法对环境进行建模：将环境用 16×15的矩阵表示，其中0表示障碍物、1表示可移动位置

C++ Code

111111111111111111111111111111000000011111111000000011111111000000011000000000000011000000000000011000000000000011111111111111111111111111111000000000111111000000000111111000000000111111000000000111111111111111111111111111111111111111111111

编写算法：

1. 把起点加入 open list 。

2. 重复如下过程：

a. 遍历open list ，查找F值最小的节点，把它作为当前要处理的节点，然后移到close list中

b. 对当前方格的 8 个相邻方格一一进行检查，如果它是不可抵达的或者它在close

list中，忽略它。否则，做如下操作：

□ 如果它不在open list中，把它加入open list，并且把当前方格设置为它的父亲

□ 如果它已经在open list中，检查这条路径 ( 即经由当前方格到达它那里 )

是否更近。如果更近，把它的父亲设置为当前方格，并重新计算它的G和F值。如果你的open

list是按F值排序的话，改变后你可能需要重新排序。

c. 遇到下面情况停止搜索：

□ 把终点加入到了 open list 中，此时路径已经找到了，或者

□ 查找终点失败，并且open list 是空的，此时没有路径。

从终点开始，每个方格沿着父节点移动直至起点，形成路径。

Java Code

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

packagecom;importjava.util.ArrayList;publicclassMain {privatestaticcharmap[][] = null;privatestaticintrol_num,col_num;privatestaticStringstr_list[] = {"1 1 1 1 1 1 1 1 1 1 1 1 1 1 1","1 1 1 1 1 1 1 1 1 1 1 1 1 1 1","0 0 0 0 0 0 0 1 1 1 1 1 1 1 1","0 0 0 0 0 0 0 1 1 1 1 1 1 1 1","0 0 0 0 0 0 0 1 1 0 0 0 0 0 0","0 0 0 0 0 0 0 1 1 0 0 0 0 0 0","0 0 0 0 0 0 0 1 1 0 0 0 0 0 0","0 0 0 0 0 0 0 1 1 1 1 1 1 1 1","1 1 1 1 1 1 1 1 1 1 1 1 1 1 1","1 1 1 1 1 1 0 0 0 0 0 0 0 0 0","1 1 1 1 1 1 0 0 0 0 0 0 0 0 0","1 1 1 1 1 1 0 0 0 0 0 0 0 0 0","1 1 1 1 1 1 0 0 0 0 0 0 0 0 0","1 1 1 1 1 1 1 1 1 1 1 1 1 1 1","1 1 1 1 1 1 1 1 1 1 1 1 1 1 1","1 1 1 1 1 1 1 1 1 1 1 1 1 1 1"};publicstaticvoidmain(String[] args) {

build_map();

find_path();

print_path();

}privatestaticvoidbuild_map(){//将地图创建到二维数组中rol_num = str_list.length;

col_num = str_list[0].split(" ").length;

map =newchar[rol_num][col_num];for(inti =0;i

map[i][j] = list[j].charAt(0);

}

System.out.println("------以下为环境地图------");for(inti =0;i

System.out.print(map[i][j]);

}

System.out.println();

}

}//声明内部类 GridprivatestaticclassGrid {intG,H;intI,J;

Grid parent = null;//指向上一个节点publicGrid(inti,intj) {this.I = i;this.J = j;

}voidupdate(Grid min_grid){this.G = min_grid.G +1;this.H = (rol_num - I) + (col_num - J) -2;this.parent = min_grid;

}

}privatestaticGrid [][]grid = null;privatestaticvoidfind_path(){

grid =newGrid[rol_num][col_num];for(inti =0;i

grid[i][j] =newGrid(i,j);

}

ArrayList open_list =newArrayList();

ArrayList closed_list =newArrayList();//开始寻找初始化grid[0][0].G =0;

grid[0][0].H = rol_num + col_num -2;

open_list.add(grid[0][0]);//将起点加入open_list中while(!closed_list.contains(grid[rol_num -1][col_num -1]) && !open_list.isEmpty()){//寻找最小的F作为下一个节点Grid min_grid = open_list.get(0);intmin_F = min_grid.G + min_grid.H;for(inti =0;i

Grid temp_grid = open_list.get(i);inttemp_F = temp_grid.G + temp_grid.H;if(min_F > temp_F){

min_grid = temp_grid;

min_F = temp_F;

}

open_list.remove(min_grid);

closed_list.add(min_grid);//然后将周围节点加入open_list中intI = min_grid.I;intJ = min_grid.J;intt_I,t_J;

t_I = I -1; t_J = J -1;if(check(t_I, t_J, open_list, closed_list ,min_grid)){

grid[t_I][t_J].update(min_grid);