一种高效的寻路算法 - B*寻路算法

在此把这个算法称作B* 寻路算法（Branch Star 分支寻路算法，且与A*对应），本算法适用于游戏中怪物的自动寻路，其效率远远超过A*算法，经过测试，效率是普通A*算法的几十上百倍。

通过引入该算法，一定程度上解决了游戏服务器端无法进行常规寻路的效率问题，除非服务器端有独立的AI处理线程，否则在服务器端无法允许可能消耗大量时间的寻路搜索，即使是业界普遍公认的最佳的A*，所以普遍的折中做法是服务器端只做近距离的寻路，或通过导航站点缩短A*的范围。

算法原理
本算法启发于自然界中真实动物的寻路过程，并加以改善以解决各种阻挡问题。
前置定义：
1、探索节点：
为了叙述方便，我们定义在寻路过程中向前探索的节点（地图格子）称为探索节点，起始探索节点即为原点。（探索节点可以对应为A*中的开放节点）

2、自由的探索节点：
探索节点朝着目标前进，如果前方不是阻挡，探索节点可以继续向前进入下一个地图格子，这种探索节点我们称为自由探索节点；

3、绕爬的探索节点：
探索节点朝着目标前进，如果前方是阻挡，探索节点将试图绕过阻挡，绕行中的探索节点我们成为绕爬的探索节点；
算法过程
1、起始，探索节点为自由节点，从原点出发，向目标前进；
2、自由节点前进过程中判断前面是否为障碍，
     a、不是障碍，向目标前进一步，仍为自由节点；
     b、是障碍，以前方障碍为界，分出左右两个分支，分别试图绕过障碍，这两个分支节点即成为两个绕爬的探索节点；
3、绕爬的探索节点绕过障碍后，又成为自由节点，回到2）；
4、探索节点前进后，判断当前地图格子是否为目标格子，如果是则寻路成功，根据寻路过程构造完整路径；
5、寻路过程中，如果探索节点没有了，则寻路结束，表明没有目标格子不可达；


演示如下： 
    
   



B*与A*算法的性能比较

寻路次数比较（5秒钟寻路次数） 


 
B*与A*性能比较实例
1、 无障碍情况
此种情况，根据以上测试数据，B*算法效率是普通A*的44倍（左为A*，右为B*)

     
 

2、线形障碍
此种情况，根据以上测试数据，B*算法效率是普通A*的28倍（左为A*，右为B*)

   

  
3、环形障碍
此种情况，根据以上测试数据，B*算法效率是普通A*的132倍（左为A*，右为B*)

      


4、封闭障碍（目标不可达）
此种情况，根据以上测试数据，B*算法效率是普通A*的581倍（左为A*，右为B*)
    

衍生算法
通过以上封闭障碍，可以看出，这个方法在判断地图上的两个点是否可达上，也是非常高效的，在不可达情况下，时间复杂度与封闭障碍的周长相当，而不是整个地图的面积。

 

写个demo出来跑跑吧..仅仅上面的几个例子还是不够的.

可能会死在墙角里.....
比如
3、环形障碍
的起始与结束点颠倒一下可以达成么

老抛，呵呵，好久不见了呀

不会卡死在墙角的
环形障碍起点终点发过来是这样走出来的

由于没有墙所有正常走....走进布口袋的话怎么办

这个图怎么样

它会钻进口袋里，再出来，如下：

与A*的性能比较是多少呢?

这个太像摸墙走迷宫法则了.

测了，比A×还是好。
刚才那个口袋的阻挡情况，5秒钟寻路次数：
B* 寻路：68362 次
A* 寻路：14581 次

大概5倍

大哥自动寻路除了判定效率还要考虑最短路径问题，否则多走冤枉路跑半小时才到谁还玩啊。。。。

感谢楼主！