如下圖 【尋路圖a】
使用a*演算法，需要將地圖抽象成乙個個方塊，藍色代表不可以動【牆】，黃色為起始點，紅色為目標點。其地圖的二維座標如圖所示，每乙個單位為1公尺
a*的基本公式為 f(n)=g(n)+h(n)
f：初始狀態到目標狀態n的代價估計【起始點到n的代價估計】
g：狀態空間中初始狀態到n的實際代價【n為中間某點，n到其parent的實際距離，n為parent的最小f所得】
h：從狀態n到目標狀態最佳路徑的估計代價【n到b的，x之差的絕對值與y之差的絕對值 之和】
演算法的基本思路
首先我們有乙個起始點，乙個目標點，還有一些牆，
並宣告乙個開啟【開啟列表】乙個【關閉列表】
【開啟列表】：當前待判斷點，
【關閉列表】：已經判斷過的點，不再參與尋路搜尋計算
1.開始時我們把起始點加入開啟列表，然後獲取起始點周圍所有可達到的點，將它們的parent設定為起始點，然後分別計算它們的fgh值，並把這些點加入開啟列表中，最後將起始點從開啟列表中移除，再加入關閉列表。
2.接著遍歷開始列表，尋找開始列表中f(到達目標點的預計代價)值最小的點，對此點進行如下操作
將此點加入關閉列表並從開始列表中移除
尋找此點周圍所有【按你自己的規則】【可達到的點】，並移除已經加入關閉列表中的部分，然後計算這些新點的fgh值，這裡需要重點注意的是更新parent的操作！
每個【可達到的點】都有自己的fgh，每次計算完乙個【可達到的點】的g值後，重新計算下此點到該【可達到的點】的g值，比較這兩個g值，若後者較小，這更新當前【可達到的點】的parent為此點
當此點所有【可達到的點】計算完成後，重複2，重新遍歷【開啟列表】尋找f值最小的點，並標記為此點，
終止的條件就是
1.開啟列表為空：目標點無法到達
2.開啟列表中包含目標點：已經到達
對於結果，我們每乙個點都計算出了其最小代價的parent，我們根據目標點的parent依次向上尋找直到起始點，即為最佳路徑
舉乙個**示例如下：【by siki】
每個路點繫結如下point
public class point
public float f
public float g
public float h
public int x
public int y
public bool iswall
public point(int x,int y,point parent=null) ;
listcloselist = new list;
openlist.add(start);
while (openlist.count > 0) ;
//不是牆，加入集合
if (down != null && down.iswall == false) {
list.add(down);
if (up != null && up.iswall == false) {
list.add(up);
if (left != null && left.iswall == false) {
list.add(left);
if (right != null && right.iswall == false) {
list.add(right);
//不是牆，且沒有障礙物阻攔，加入集合
if (upleft != null && upleft.iswall == false && left.iswall == false && up.iswall == false) {
list.add(upleft);
if (upright != null && upright.iswall == false && up.iswall == false && right.iswall == false) {
list.add(upright);
if (downleft != null && downleft.iswall == false && down.iswall == false && left.iswall == false) {
list.add(downleft);
if (downright != null && downright.iswall == false && down.iswall == false && right.iswall == false) {
list.add(downright);
return list;
去除已經處於關閉列表中的 周圍可到達點
private void pointsfilter(listsrc,listcloselist) {
foreach (point p in closelist) {
if (src.contains(p)) {
src.remove(p);
尋找開啟列表中 f值最小的點
private point findminfofpoint(listopenlist) {
float f = float.maxvalue;
point temp = null;
foreach (point p in openlist) {
if (p.f < f) {
temp = p;
f = p.f;
return temp;
//計算f值
private void calcf(point now,point end) {
//f=g+h
float h = mathf.abs(end.x - now.x) + mathf.abs(end.y - now.y);
float g = 0;
if (now.parent == null) {
g = 0;
else {
g=vector2.distance(new vector2(now.x, now.y), new vector2(now.parent.x, now.parent.y)) + now.parent.g;
float f = g + h;
now.f = f;
now.g = g;
now.h = h;
//計算g值
private float calcg(point now,point parent) {
return vector2.distance(new vector2(now.x, now.y), new vector2(parent.x, parent.y)) + parent.g;
列印結果
private void showpath(point start,point end) {
point temp = end;
while (true) {
debug.log(temp.x + " " + temp.y);
if (temp.parent == null) {
break;
temp = temp.parent;
最後開啟演算法
void start() {
initmap();
point start = map[2, 3];
point end = map[6, 3];
findpath(start, end);
showpath(start, end);
執行後列印結果如下：6 3，6 2，5 1，4 1，3 1，3 2，2 3
迷宮尋路（A星尋路演算法）
題目 假設我們有乙個7 5大小的迷宮，如下圖所示，綠色格仔表示起點，紅色的格仔表示終點，中間的3個深灰色格仔表示障礙物。請找到一條從起點到終點最短的路徑。解題思路 需要引入兩個集合和乙個公式，如下 具體步驟 把起點放入openlist 檢查openlist中是否有值，如果沒有則無法到達終點，結束尋路...
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...