A*寻路算法的详细介绍

由于非计算机专业毕业,对于一些经典有用的算法不是很了解,最近在网上看了些关于寻路算法的,虽然没有立刻拿来所具体的项目,对于平时的一些思维还是很有用.高级的用法还需继续探索.

用A*算法寻路有个比较郁闷的问题，虽然每一步都可以选择到最优路径，但是并不是起点到终点的最优路径，特别是在有障碍物的时候，可以饶开障碍物，但也会走“冤枉路”。

我个人认为的解决方法：

1、确定障碍范围。障碍物所围成的凸多边形内的可走路径会成为“冤枉路”的陷阱。

2、障碍物所围成的凸多边形的众横向延伸范围应为低可走优先级。

下图中，橘红色的线是用A*算法做的，很明显，不是最优路径，绿色和紫色是两条最优路径，但是黑色如果都到当前的位置它应该怎么选择下一步呢？

或则通过计算，如果在某路径下遇到不合理情况（代价+目标距离大于了前一步的代价+目标距离），那么退回到前一个岔口选择另一个路径，但是这样的计算会比较复杂，而且在路径长并且障碍多的时候效率会很低。

以下是在网上找到的一篇比较简要明了的文章

如果通过图像模拟搜索点，可以发现：非启发式的寻路算法实际上是一种穷举法，通过固定顺序依次搜索人物周围的路点，直到找到目的地，搜索点在图像上的表现为一个不断扩大的矩形。如下：

很快人们发现如此穷举导致搜索速度过慢，而且不是很符合逻辑，试想：如果要从（0，0）点到达（100，0）点，如果每次向东搜索时能够走通，那么干吗还要搜索其他方向呢？所以，出现了启发式的A*寻路算法，一般通过 已经走过的路程 + 到达目的地的直线距离 代价值作为搜索时的启发条件，每个点建立一个代价值，每次搜索时就从代价低的最先搜索，如下：

综上所述，以上的搜索是一种矩阵式的不断逼近终点的搜索做法。优点是比较直观，缺点在于距离越远、搜索时间越长。