标签：需要 程序 引入 art sea 核心 返回 alt current
今天，还是国庆和中秋双节的时间节点，一个天气不错的日子，孩子已经早早的睡觉了，玩了一整天，也不睡觉，累的实在扛不住了，勉强洗澡结束，倒床即睡着的节奏。。。
不多说题外话，进入正题。
什么是A*搜索算法呢？就用百科的解说吧：
A*算法，A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。
A*搜索的实际应用场景很多，但是大家最为熟悉的恐怕莫过于游戏了。典型的游戏就是穿越障碍寻宝，要求在最少的代价内找到宝贝，通常游戏中的代价，就是用最少的步骤实现宝贝的找寻。还有一种游戏场景是，给定入口地点，用最少的步骤走到指定的出口地点，中间有障碍物，每次只能在上下左右四个方向上走一步，且不能穿越障碍物。
就拿第二种游戏场景来解释A* search具体指的是什么内容吧。
如上图所示，假设我们有一个7*5的迷宫方格，绿色的点表示起点，红色的点表示终点。中间三个蓝色的格子表示一堵墙，是障碍物。游戏的规则，是绿色的起点，每次只能向上下左右4个方向中移动一步，且不能穿越中间的墙，以最少的步骤到达红色的终点。
在解决这个问题之前，先要引入A*搜索算法的核心集合和公式：
核心集合：OpenList，CloseList
核心公式：F=G+H
其中，OpenList和CloseList用来存储格子点信息，OpenList表示可到达格子节点集合，CloseList表示已到达格子节点集合。
F=G+H表示对格子价值的评估，G表示从起点到当前点的代价；H表示从当前点到达终点的代价，指不考虑障碍物遮挡的情况下，这里，代价是指走的步数。至于F，就是对G和H的综合评估了，当然F越小，则从起点到达终点付出的代价就越小了。
就实际操作一下吧。还是上面的图，每个节点，用n(x,y)表示,x表示横坐标，y表示纵坐标，比如绿色的起点是n(1,2)：
第一步：把起点放入OpenList里面。
OpenList： n(1,2)
CloseList
第二步：找出OpenList中F值最小的方格，即唯一的方格n(1,2)作为当前方格，并把当前格移出OpenList，放入CloseList。表示这个格子已到达且验证过了。
OpenList
CloseList：n(1,2)
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“父节点”。
OpenList：n(0,2), n(1,1), n(2,2), n(1,3)
CloseList：n(1,2)
其中，n(0,2), n(1,1), n(2,2), n(1,3)的父节点是n(1,2).所谓的父节点，表示当前的这几个节点n(0,2), n(1,1), n(2,2), n(1,3)都是从这个所谓的父节点出发得到的分支节点，父节点用作后续找出最短路径用的。
上述3步，是一次局部寻路的过程，我们需要不断的重复第二步第三步，最终找到到达终点的最短路径。
第二轮 ~ 第一步：找出OpenList中F值最小的方格，即方格n(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。
此时的两个核心集合的节点信息：
OpenList：n(0,2), n(1,1), n(1,3)
CloseList：n(1,2), n(2,2)
其中，n(0,2), n(1,1), n(1,3)的父节点是n(1,2)，n(2,2)的上一级节点（也可以称为父节点）是n(1,2).
第二轮 ~ 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“父节点”。
此时的两个核心集合的节点信息：
OpenList：n(0,2), n(1,1), n(1,3)；n(2,1), n(2,3)
CloseList：n(1,2) <-----n(2,2)
其中，n(0,2), n(1,1), n(1,3)的父节点是n(1,2)，而n(2,1), n(2,3)的父节点是n(2,2). CloseList中节点的指向关系，反映了寻路的路径过程。
为什么这一次OpenList只增加了两个新格子呢？因为n(3,2)是墙壁，自然不用考虑，而n(1,2)在CloseList当中，说明已经检查过了，也不用考虑。
第三轮 ~ 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n(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。
此时的两个核心集合的节点信息：
OpenList：n(0,2), n(1,1), n(1,3)；n(2,1)
CloseList：n(1,2) <-----n(2,2)<-----n(2,3)
其中，n(0,2), n(1,1), n(1,3)的父节点是n(1,2)，而n(2,1)的父节点是n(2,2)。CloseList中节点的指向关系，反映了寻路的路径过程。
第三轮 ~ 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“父节点”。
此时的两个核心集合的节点信息：
OpenList：n(0,2), n(1,1), n(1,3)；n(2,1) ；n(2,4)
CloseList：n(1,2) <-----n(2,2)<-----n(2,3)
其中，n(0,2), n(1,1), n(1,3)的父节点是n(1,2)，而n(2,1)的父节点是n(2,2)。n(2,4)的父节点是n(2,3). CloseList中节点的指向关系，反映了寻路的路径过程。
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。
实际的推理，就到这里，下面，将结合上述的推理理论，用java程序，加以实现。今天，先将伪代码附上，改天将具体的java实现代码贴上来。
public Node AStarSearch(Node start, Node end) { // 把起点加入openList 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closeList 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; }
JAVA代码实现待续。。。
标签：需要 程序 引入 art sea 核心 返回 alt current
原文地址：http://www.cnblogs.com/shihuc/p/7636310.html
