高效的寻路算法—A-star算法(附C++代码)

高效的寻路算法—A-star算法(附C++代码)A*算法是一种静态路网中求解最短路最有效的方法,俗称A星算法。公式表示为:f+h是节点n从初始点到目标点的估价函数,g是从n到目标节点最佳路径的

大家好,欢迎来到IT知识分享网。

什么是A-star算法

A*(A-Star)算法是一种静态路网中求解最短路最有效的方法,俗称A星算法这是一种在图形平面上,有多个节点的路径,求出最低通过成本的算法。常用于游戏中的NPC的移动计算,或线上游戏的BOT的移动计算上。公式表示为:f(n)=g(n)+h(n),其中f(n)是节点n从初始点到目标点的估价函数,g(n)是在状态空间中从初始节点到n节点的实际代价,h(n)是从n到目标节点最佳路径的估计代价。

高效的寻路算法—A-star算法(附C++代码)

A-star算法的原理

  • 先引入二个概念:

节点(Node):每个格子都可以称为节点。

代价(Cost):描述角色移动到某个节点时所走的距离(或难易程度)。

高效的寻路算法—A-star算法(附C++代码)

  • 三种基本的估价算法(也称估价公式),其算法示意图如下:

对于“曼哈顿算法”,,笔直的走,然后转个弯,再笔直的继续。

“几何算法”的最好解释就是“勾股定理”,算出起点与终点之间的直线距离,然后乘上代价因子。

“对角算法”综合了以上二种算法,先按对角线走,一直走到与终点水平或垂直平行后,再笔直的走。

高效的寻路算法—A-star算法(附C++代码)

  • 在计算机中我们将地图表现为单元格,分可走单元格和不可走单元格。,必须要让计算机“有选择地走”。

若以当前单元格为起点(称为父单元格,它的周围有八个方向),下一步走哪呢?

这时就得给下一步的单元格(称为子单元格)进行“估价”。

“估价”可用估价函数来实现。

入门级的估价函数是这样的:

终点到目前点的估计代价=终点至当前点的直线距离

于是下一步的代价可以这样算

代价=起点到当前点的实际步数(通过一个变量累加可以直接得到)+ 终点到目前点的估计代价

然后把估价后的单元格放入“待考察表”

从待考察表中取代价最小的单元格作为起点,对它周围8个方向的单元格进行估价,然后把它放入“已考察表”。

若对一个单元格估价时,发现它已经在“待考察表”中则比较该单元格原先的估价和当前的估价,保留小的估价,并更新其父单元格属性。

不断重复以上过程,直到在“待考察表”中取出的单元格是终点单元格为止,若“待考察表为空”则表示找不到路径。

到达终点单元格后,通过其“父单元格”属性,一直找到起点,便构成一条路径。

高效的寻路算法—A-star算法(附C++代码)

两个例子:

Enter the map's filename:
b.txt
Rows=7
Cols=13
. . . . . . . . . . . . .
. . . . . . x . . . . . .
. . . x x x x . . . . . .
. . . . . . x . . . . . .
. . . x x x x . . . . . .
. . . . . . x . . . . . .
. . . . . . . . . . . . .
Set the start point ( x , y ):
5 3
Set the end point ( x , y ):
12 3
Steps:
12,3
11,2
10,1
9,0
8,0
7,0
6,0
5,0
4,0
3,1
2,2
3,3
4,3
5,3
Rows=7
Cols=13
. . . . * * * * * * . . .
. . . * . . x . . . * . .
. . * x x x x . . . . * .
. . . * * * x . . . . . *
. . . x x x x . . . . . .
. . . . . . x . . . . . .
. . . . . . . . . . . . .
===========================
Enter the map's filename:
a.txt
Rows=7
Cols=7
. . . . . . .
. x x x . . .
. . . x . x .
. . . x . x .
. . . . . x .
. . . . . x .
. . . . . x .
Set the start point ( x , y ):
0 0
Set the end point ( x , y ):
6 6
Steps:
6,6
6,5
6,4
6,3
6,2
5,1
4,0
3,0
2,0
1,0
0,0
Rows=7
Cols=7
* * * * * . .
. x x x . * .
. . . x . x *
. . . x . x *
. . . . . x *
. . . . . x *
. . . . . x *

高效的寻路算法—A-star算法(附C++代码)

C++代码

  • 1. 评价函数

以当前状态下各将牌到目标位置的距离之和作为节点的评价标准。距离的定义为:“某将牌行下标与目标位置行下标之差的绝对值 + 列下标与目标位置列下标之差的绝对值”。距离越小,该节点的效果越好。某个状态所有将牌到目标位置的距离之和用“h值”表示。

  • 2. 主要函数

2.1 countH(state & st);

countH函数功能是计算st状态的h值。

计算过程中将会用到rightPos数组,数组里记录的是目标状态下,0~9每个将牌在九宫格里的位置(位置 = 行下标 * 3 + 列下标)。

2.2 f(state * p);

f()=h()+level

2.3 look_up_dup(vector<state*> & vec, state * p);

在open表或close表中,是否存在指定状态p,当找到与p完全相等的节点时,退出函数。

2.4 search(state & start);

在open表不为空时,按f值由小到大对open表中元素进行排序。

调用findZero()函数找到0值元素的位置。空格可以向上下左右四个方向移动,前提是移动后不能越过九宫格的边界线。确定某方向可走后,空格移动一步,生成状态p’。

此时,检查open表中是否已有p’,若有,更新p’数据;检查close表中是否已有p’,若有,将p’从close表中删除,添加到open表中。 重复的执行这个过程,直到某状态的h值为零。

2.5 dump_solution(state * q);

在终端输出解路径。

// A*算法 八数码问题

#include “stdafx.h”

#include<iostream>

#include<vector>

#include<time.h>

#include<algorithm>

using namespace std;

const int GRID = 3; //Grid表示表格的行数(列数),这是3*3的九宫

int rightPos[9] = { 4, 0, 1, 2, 5, 8, 7, 6, 3 }; //目标状态时,若p[i][j]=OMG,那么3*i+j = rightPos[OMG]

struct state{

int panel[GRID][GRID]; int level; //记录深度 int h;

state * parent;

state(int level) :level(level){}

bool operator == (state & q){

//判断两个状态是否完全相等(对应位置元素相等),完全相等返回true,否则返回false

for (int i = 0; i<GRID; i++){ for (int j = 0; j<GRID; j++){

if (panel[i][j] != q.panel[i][j]) return false; } }

return true; }

state & operator = (state & p){ //以状态p为当前状态赋值,对应位置元素相同

for (int i = 0; i<GRID; i++){ for (int j = 0; j<GRID; j++){ panel[i][j] = p.panel[i][j]; } }

return *this; } };

void dump_panel(state * p){ //将八数码按3*3矩阵形式输出 for (int i = 0; i<GRID; i++){ for (int j = 0; j<GRID; j++)

cout << p->panel[i][j] << ” “; cout << endl; } }

int countH(state & st){ //给定状态st,计算它的h值。

int h = 0;

for (int i = 0; i<GRID; i++){ for (int j = 0; j<GRID; j++){ if (st.panel[i][j] != 0)

h += abs(rightPos[st.panel[i][j]] / GRID – i) +

abs(rightPos[st.panel[i][j]] % GRID – j);

//h=各个将牌与其目标位置的距离之和.距离定义为:行下标之差的绝对值+列下标之差的绝对值。 } }

return h; }

int findZero(state & st){ //找到零值元素,返回其在表中的位置

for (int i = 0; i<GRID; i++){ for (int j = 0; j<GRID; j++){ if (st.panel[i][j] == 0) return i * 3 + j; } } }

int f(state * p){ //计算并返回f()值,即h值+level return countH(*p) + p->level; }

bool compare_state(state * p, state * q){ //比较两个状态的f值 return f(p) > f(q); }

vector<state *> open_table; //open表 vector<state *> close_table; //close表

vector<state*>::iterator look_up_dup(vector<state*> & vec, state * p){ vector<state*>::iterator it_r = vec.begin(); for (; it_r<vec.end(); it_r++){ if ((*(*it_r)) == *p){ break; } }

return it_r; }

state * search(state & start){ //A*算法进行搜索

int level = 0;

open_table.push_back(&start); int count = 0;

while (!open_table.empty()){

sort(open_table.begin(), open_table.end(), compare_state); //对open表中的元素进行排序

state * p = open_table.back(); open_table.pop_back();

if (countH(*p) == 0)

return p; //所有将牌到达目标位置,搜索过程结束 level = p->level + 1;

int zeroPos = findZero(*p);

int x = zeroPos / 3; //空格的行下标 int y = zeroPos % 3; //空格的列下标

for (int i = 0; i<4; i++){ //上下左右四个方向 int x_offset = 0, y_offset = 0; switch (i){

case 0:x_offset = 0, y_offset = 1; break; //右 case 1:x_offset = 0, y_offset = -1; break;//左 case 2:x_offset = 1, y_offset = 0; break;//上 case 3:x_offset = -1, y_offset = 0; break;//下 };

if (x + x_offset<0 || x + x_offset >= GRID || y + y_offset<0 || y + y_offset >= GRID){ continue;

//若移动一步后,将超出上/下/左/右边界,则这个方向不可走,尝试下一个方向

}

state * q = new state(level); //这个方向可走,扩展下一个节点

q->parent = p; *q = *p;

q->panel[x][y] = q->panel[x + x_offset][y + y_offset]; q->panel[x + x_offset][y + y_offset] = 0;//空格沿这个方向移一步

bool skip = false;

vector<state *>::iterator dup = look_up_dup(open_table, q); //若q已在open表中,则对open表中的信息进行更新

if (dup != open_table.end()){ if (f(q) < f(*dup)){

(*dup)->level = q->level; (*dup)->parent = q->parent; }

skip = true; }

dup = look_up_dup(close_table, q);

if (dup != close_table.end()){ //若q已在close表中,且f值比原值小,

if (f(q) < f(*dup)){ //则将q从close表清除,加入open表

delete *dup;

close_table.erase(dup); open_table.push_back(q); skip = true; } }

if (!skip){

open_table.push_back(q); } }

close_table.push_back(p); } }

void dump_solution(state * q) //输出解路径 {

vector<state *> trace; while (q){

trace.push_back(q); q = q->parent; }

int count = 0;

while (!trace.empty()){

cout << “Step ” << count << ” :^-^=^-^=^-^=^-^=^ ^=^-^=^-^=^-^=^-^=^-^=^@\n”;

dump_panel(trace.back());

cout << “h: ” << countH(*trace.back()) <<“\tg:”<<count<< “\tf: ”

<< f(trace.back()) << endl << endl; trace.pop_back(); count++; } }

int main() {

state p(0); state *q;

p.panel[0][0] = 2;//设置初始状态 p.panel[0][1] = 1; p.panel[0][2] = 6; p.panel[1][0] = 4; p.panel[1][1] = 0; p.panel[1][2] = 8; p.panel[2][0] = 7; p.panel[2][1] = 5; p.panel[2][2] = 3;

p.parent = NULL; q = search(p);

dump_solution(q);

system(“pause”); }

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/55708.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信