一、為什麼地圖網格化？
位置描述：
滑鼠位置使用畫素座標描述。
地圖位置使用經度緯度描述。
為了方便描述地圖上元素的位置，將地圖網格化。
二、什麼是曼哈頓距離？
曼哈頓距離（manhattan distance）：兩點在南北方向上的距離加上在東西方向上的距離，即d（i，j）=|xi-xj|+|yi-yj|。
計算曼哈頓距離時，忽略兩點之間的障礙物。
若有兩點(1,2)和(3,4)，則曼哈頓距離 = |3 -1| + |4 - 2| = 4
三、a*演算法涉及的名詞
開啟列表：存放即將進行分析的可達位置。
關閉列表：存放已經分析完畢的可達位置。
估價函式：f(n) = g(n) + h(n)
f(n) 是從初始點經由節點n到目標點的估價函式。
g(n) 是在地圖中從初始節點到n節點的實際代價h(n) 是從n到目標節點最佳路徑的估計代價。
h(n)是估計代價，可以使用曼哈頓距離作為估計代價。
四、a*演算法步驟
1、將起始位置放入開啟列表。
2、獲取開啟列表中f(n) 值（經由點n的估價值）最小的位置，且曼哈頓距離最小，作為當前位置。
3、判斷當前位置是否為終點，若為終點，將終點放入關閉列表並執行第八步。
4、將當前位置從開啟列表中移除，並放入關閉列表。
5、獲取當前位置可達的位置。注意：關閉列表中的位置不可達。
6、將當前位置可達的位置放入開啟列表。
7、若開啟列表不為空，則從第二步繼續迴圈。
8、若終點存在關閉列表，則返回路徑，否則未找到路徑。
五、a*演算法優化
1、地圖粒度沒必要劃分到畫素點。畫素點的劃分粒度對於搜尋來說代價太高。
建議劃分的粒度在不影響使用的情況下取最大值。
2、每次新位置放入開啟列表時，給列表排序（建議選擇快速排序演算法），
這樣每次從開啟列表取位置時，只取第乙個位置即可。
這種方式適用於超大地圖，分支節點多的地圖。
3、可以前進到相鄰的對角線上的位置（8個方向）。建議使用8方向而非4方向。
相鄰對角線上位置的代價建議為1.4。
4、不同位置的損耗。在地圖中，位置有兩種狀態，可通過和不可通過。
但有的可通過位置可能移動代價更高，比如，堵車道路上的位置。
5、對於超級大的地圖尋路，可以把大地圖劃分為n個小區域。先使用a*演算法
在n個小區域裡找到路徑，在路徑上的每個小區域裡再次使用a*演算法找到
最終的路徑。
6、dijkstra（狄克斯特拉）演算法：該演算法與a*演算法區別在於估價函式， dijkstra 演算法
沒有h(n)。dijkstra 演算法每次迭代時選擇的下乙個頂點是標記點之外距離源點最
近的頂點。但由於dijkstra演算法主要計算從源點到其他所有點的最短路徑，所以
演算法的效率較低。
對於多個目標位置，建議採用dijkstra演算法。比如停車場有多個出口，需要找到離
當前位置最近的出口。
-=各種=-尋路演算法演示：
[url]
A 尋路演算法
問題 由於遊戲中尋路出了個小問題 玩家尋路到乙個死角後在那邊不停的來回跑,就是無法越過障礙物,就研究了下a 尋路演算法以解決這個問題 研究了幾天,自己寫了個demo這裡給出總結 原理 a 演算法給出的是權值最優的路徑而不是最短路徑 權值有f g h來表示 啟發式函式如下 f p g p h p h值...
A 尋路演算法
a 演算法是靜態環境下求最短路徑的不二之選，由於是啟發式搜尋，比dijkstra 深搜廣搜要快的多啦。a 也算是我第一次接觸的移動機械人演算法，csdn上的科普文章也不少，但我作為乙個機械的小白，實現出來還是小有成就感滴。今天抽空和大家分享一下原始碼，開發環境win7 64 opengl vs201...
A 尋路演算法
很多遊戲特別是rts，rpg類遊戲，都需要用到尋路。尋路演算法有深度優先搜尋 dfs 廣度優先搜尋 bfs a星演算法等，而a星演算法是一種具備啟發性策略的演算法，效率是幾種演算法中最高的，因此也成為遊戲中最常用的尋路演算法。直入正題 在遊戲設計中，地圖可以劃分為若干大小相同的方塊區域 方格 這些方...