當使用尋路演算法的時候，你可能想把地圖空間當做一種不單是用通暢或阻礙來表達的東西。通常地圖空間會有更多的已知資訊，比如通過那片區域的移動難度。比如，沼澤和高山可能比草地和沙漠更難通過。使用演算法，比如a*，你可以把給資訊編碼代入成本函式中。下面列出了一些計算移動成本的想法，也許會派上用場。
高海拔（比如高山）比低海拔有更高的移動成本。當使用成本函式計算的時候，只要可能移動單元會試圖一直停留在低窪的地方。例如，如果你的起始點和終點都在高地，移動單元可能會先下山，移動一段時間後再次登山。
相對於高海拔有乙個高的成本，爬山成本也很高。這就避免了上面描述的奇怪狀況。使用這種成本函式，移動單元就會盡量避免爬山尋路。面對同樣的情況，移動單元也會避免尋路時最後還要爬山；在整個移動過程中，單元能始終保持在乙個高的海拔區間。使用這種成本函式有益於士兵（soldiers）這樣的下山容易上山難的單元。
一些單元，比如坦克（tanks），上下山都很困難。你可以設定乙個比較高的成本下山，然後乙個更高的成本上山。這個單元就會盡力避免改變移動時的海拔。
不同的地形，可以設定不同的移動成本。
可以使用不同的地形型別來代替使用海拔的概念。比如在遊戲《文明》（civilization）中，每個地形都有乙個和它相關的移動成本。這種移動成本表可以適用於所有的單元，或者每乙個單元型別都有匹配它的不同的移動成本。比如solider在森林中移動可能沒有任何困難，但是tanks在森林中移動就很艱難。改變地形的時候設定移動成本是個很好的辦法，從草地到高山會比從山丘到高山成本高，從山丘到高山移動又比高山之間移動成本高。
在很多遊戲裡，道路的原始目的就是讓移動變得可能或者更簡單。在選擇好移動成本函式後，可以加一條道路來修正它。乙個可能的辦法就是用成本除乙個常數(比如2)；另外的辦法是設定乙個表示沿著道路移動的成本常量。
我強烈的建議不要設道路移動成本為零。這會給尋路演算法比如a*帶來麻煩，因為它可能會算出這樣的一種路徑，即從一點到另一點間沿著一條彎曲的道路行進，其實沒有指向任何目的地。這樣演算法不得不搜尋乙個很大的區域，確保沒有這樣的路存在。注意在civilization的遊戲中，鐵路移動成本是零，但是當使用」auto-goto」函式的時候，鐵路的移動成本就不是零了。這就是遊戲使用了尋路演算法的證據。
無需既檢查移動成本又要檢查尋路演算法裡的路障，用移動成本乙個計算就可以了。只要給你的路障設定乙個非常高的移動成本即可。 (在a*演算法裡)當展開節點的時候，檢查成本是否太高；如果是的話，就放棄這個節點吧。
你也許想在任何山丘中的移動設定較高的成本，來代替使用上山和下山。這樣做，需要計算全部地勢的斜度（通過觀察行進路徑的當前位置和它相連部分的最大高度差），使用這個來作為移動的成本。地勢陡峭的陸地成本高，地勢比較平緩的成本低。這種方法和上下山移動方法計算成本不同，因為它關注的是陡峭的地勢，而之前的方法關注的是在乙個陡峭的方向上移動的單元。特別是，如果你正在乙個山丘上，而且可以向左或向右移動而不用向上或向下，那麼上下山方法會認為這種情況成本低，而這個方法會認為成本高（因為地形本身陡峭，即便不用上下山的移動）。
再設定乙個修正器可以幫你避免敵人的單元。使用 influence 地圖，你可以監視附近有敵人或者友好單元的區域、或最近有士兵被殺的區域、或最近剛被探索過的區域、或是靠近一條逃跑路線的區域、抑或是最近穿越過區域（《帝國時代2》裡在 influence 尋路中使用了 influence 地圖）。乙個influence地圖可能對友好單元有積極的作用，對敵人單元有消極的作用。無論何時你在乙個敵對的領域裡，通過增加移動成本，你可以改變你的單元離敵人遠一點。
更複雜的是（可能在influence地圖下是不行的）參考可見度。對敵對單元來說你的單元是否可見？換句話說，你的單元是否可遭受攻擊？你的敵對單元有可能向你**麼？
如果你的地圖是設計出來的不是自動生成的，你可以新增額外的資訊進去。比如，舊的**路線經常會經過一些變成**城鎮的特定地點。這些地方就叫beacon，即優質路線上的已知地點。與beacon的距離值可以加入移動成本中，這種方法是根據對beacon的偏好影響尋路結果的。
燈塔、城市、山路和橋梁等都是beacon比較好的選擇。
注：為了保持狀態空間比較小，你需要將燃料的價值四捨五入成乙個近似的測量單元。不幸的是，這會將讓搜尋變得效率低下。
不但需要觀察單元去某些地方所用的時間，你也要考慮它花費掉的燃料。當單元的燃料級別比較低的時候，燃料消耗可能會被賦予更大的權重。
就像上面描述的，為了跟蹤地圖上能源的耗費量，你需要使用狀態空間。每個狀態可能是成對的描述：《座標,燃料》。然而，狀態空間可能會變得非常大，所以不用普通的a*演算法，尋找其他替代方法也是值得考慮的。
我們的另乙個選擇是加入有界成本的a*演算法（a* with bounded costs (abc)）使用 abc 演算法，你可以給成本（比如「燃料」）設定乙個界限（比如」20加侖」）。
1 贊4 收藏
興趣：演算法，人工智慧，機器學習
個人主頁 · 我的文章 · 13 ·
關於尋路演算法的一些思考（1） A 演算法介紹
英文原文 amit s thoughts on pathfinding 物體的移動演算法似乎顯得很簡單，然而尋路規劃問題卻十分複雜。考慮下面這個例子 這個單位的初始位置在地圖的下方，想要到達地圖的頂部。如果物體所能偵測到的地方 粉色部分所示 並沒有障礙，那麼物體就會直接向上走到它的目標位置。但在距離...
尋路演算法 A （一）
說到 a 演算法相信都不陌生。做遊戲的人都多多少少的接觸過，而且網上教程也是一大堆。比如非常詳細的 我開始學習 a 也是看的這個 以下是我個人對 a 的理解。首先要明白 a 是基於地圖格仔 可以是方形，三角形，六邊形等 每乙個格仔也是乙個節點 尋路的。a 中最重要的一點是要明白 a 是啟發式的。a ...
A 尋路演算法的探尋與改良（一）
by 田宇軒 1.1 前言 1.2 a 演算法要解決的問題 我們可以通過先了解a 演算法解決的問題來了解a 演算法的概念。a 是一種用於尋路的演算法，現在我們給計算機一張地圖，標記了哪些地方能走，哪些地方不能走，然後告訴計算機起點a和終點b，計算機自動計算出一條從a點到b點的最短路徑，我們的問題就解...