在A星算法的上一篇,我们已经大致明白了该算法的过程,现在让我们看看它具体是怎么运作的。我们最初的9格方格中,在起点被切换到关闭列表中后,还剩8格 留在开启列表中。这里面,F值最低的那个是起始格右侧紧邻的格子,它的F值是40。因此我们选择这一格作为下一个要处理的方格。在紧随的图中,它被用蓝色 突出显示。
[图4]
首先,我们把它从开启列表中取出,放入关闭列表(这就是他被蓝色突出显示的原因)。然后我们检查相邻的格子。哦,右侧的格子是墙,所以我们略过。左侧的格子是起始格。它在关闭列表里,所以我们也跳过它。
其他4格已经在开启列表里了,于是我们检查G值来判定,如果通过这一格到达那里,路径是否更好。我们来看选中格子下面的方格。它的G值是14。如果我们从 当前格移动到那里,G值就会等于20(到达当前格的G值是10,移动到上面的格子将使得G值增加10)。因为G值20大于14,所以这不是更好的路径。如 果你看图,就能理解。与其通过先水平移动一格,再垂直移动一格,还不如直接沿对角线方向移动一格来得简单。
当我们对已经存在于开启列表中的4个临近格重复这一过程的时候,我们发现没有一条路径可以通过使用当前格子得到改善,所以我们不做任何改变。既然我们已经检查过了所有邻近格,那么就可以移动到下一格了。
于是我们检索开启列表,现在里面只有7格了,我们仍然选择其中F值最低的。有趣的是,这次,有两个格子的数值都是54。我们如何选择?这并不麻烦。从速度上考虑,选择最后添加进列表的格子会更快捷。
这种导致了寻路过程中,在靠近目标的时候,优先使用新找到的格子的偏好。但这无关紧要。(对相同数值的不同对待,导致不同版本的A*算法找到等长的不同路径。)
那我们就选择起始格右下方的格子,如图。
[图5]
这次,当我们检查相邻格的时候,发现右侧是墙,于是略过。上面一格也被略过。我们也略过了墙下面的格子。为什么呢?因为你不能在不穿越墙角的情况下直接到 达那个格子。你的确需要先往下走然后到达那一格,按部就班的走过那个拐角。(注解:穿越拐角的规则是可选的。它取决于你的节点是如何放置的。) 这样一来,就剩下了其他5格。当前格下面的另外两个格子目前不在开启列表中,于是我们添加他们,并且把当前格指定为他们的父节点。其余3格,两个已经在关 闭列表中(起始格,和当前格上方的格子,在表格中蓝色高亮显示),于是我们略过它们。最后一格,在当前格的左侧,将被检查通过这条路径,G值是否更低。不 必担心,我们已经准备好检查开启列表中的下一格了。
我们重复这个过程,直到目标格被添加进关闭列表,就如在下面的图中所看到的。
我们重复这个过程,直到目标格被添加进关闭列表,就如在下面的图中所看到的。
[图6]
注意,起始格下方格子的父节点已经和前面不同的。之前它的G值是28,并且指向右上方的格子。现在它的G值是20,指向它上方的格子。这在寻路过程中的某 处发生,当应用新路径时,G值经过检查变得低了-于是父节点被重新指定,G和F值被重新计算。尽管这一变化在这个例子中并不重要,在很多场合,这种变化会 导致寻路结果的巨大变化。
那么,我们怎么确定这条路径呢?很简单,从红色的目标格开始,按箭头的方向朝父节点移动。这最终会引导你回到起始格,这就是你的路径!看起来应该像图中那样。从起始格A移动到目标格B只是简单的从每个格子(节点)的中点沿路径移动到下一个,直到你到达目标点。就这么简单。
[图7]
A*方法总结
好,现在你已经看完了整个说明,让我们把每一步的操作写在一起:
1,把起始格添加到开启列表。
2,重复如下的工作:
a) 寻找开启列表中F值最低的格子。我们称它为当前格。
b) 把它切换到关闭列表。
c) 对相邻的8格中的每一个?
* 如果它不可通过或者已经在关闭列表中,略过它。反之如下。
* 如果它不在开启列表中,把它添加进去。把当前格作为这一格的父节点。记录这一格的F,G,和H值。 * 如果它已经在开启列表中,用G值为参考检查新的路径是否更好。更低的G值意味着更好的路径。如 果是这样,就把这一格的父节点改成当前格,并且重新计算这一格的G和F值。如果你保持你的开启 列表按F值排序,改变之后你可能需要重新对开启列表排序。
d) 停止,当你
* 把目标格添加进了关闭列表,这时候路径被找到,或者
* 没有找到目标格,开启列表已经空了。这时候,路径不存在。
3.保存路径。从目标格开始,沿着每一格的父节点移动直到回到起始格。这就是你的路径。
(注解:在这篇文章的较早版本中,建议的做法是当目标格(或节点)被加入到 开启列表,而不是关闭列表的时候停止寻路。这么做会更迅速,而且几乎总是能找到最短的路径,但不是绝对的。当从倒数第二个节点到最后一个(目标节点)之间 的移动耗费悬殊很大时-例如刚好有一条河穿越两个节点中间,这时候旧的做法和新的做法就会有显著不同。)
相关推荐
本篇文章将深入探讨如何使用易语言来实现A星算法。 一、A星算法的基本原理 A*算法的核心在于使用启发式函数评估每个节点的潜在最优路径。它通过一个叫做F(n)的分数来决定下一个要扩展的节点,这个分数由两部分组成...
本篇将详细讲解极度优化的A*算法及其关键知识点。 首先,优化A*算法的核心在于提高其效率。这通常涉及到以下几个方面: 1. **数据结构优化**:为了快速访问和更新节点状态,可以使用优先队列(如二叉堆或斐波那契...
标题中的“新的A星路径规划matlab文件合集.zip”表明这是一个包含MATLAB代码的压缩包,用于实现A*(A-Star)算法的路径规划。A*算法是一种广泛应用的图搜索算法,尤其在游戏开发、机器人导航和地图路径规划等领域。...
会者不难,A*(念作A星)算法对初学者来说的确有些难度。 这篇文章并不试图对这个话题作权威的陈述。取而代之的是,它只是描述算法的原理,使你可以在进一步的阅读中理解其他相关的资料。 最后,这篇文章没有程序...
本篇文章将深入探讨三相直流无刷电机驱动器的硬件原理,帮助读者理解其工作方式和设计要点。 一、电机结构与工作原理 无刷直流电机由定子绕组和转子永磁体组成,区别于传统有刷电机,它没有电刷和换向器,而是通过...
在《Rete: A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》这篇论文中,作者提出了一种名为Rete的高效算法,旨在解决在产生式规则系统中的模式匹配问题。这种算法尤其适用于处理大规模...
在压缩包中的"A星_1630945817"文件中,可能包含了MATLAB代码示例,包括地图数据结构、启发式函数定义、A*算法实现以及结果可视化等功能。通过分析和理解这些代码,可以更好地掌握在MATLAB中应用A*算法进行路径规划的...
本篇将详细探讨`fileMatch`相关的知识点,包括文件匹配的原理、常见工具及编程实现,以及如何在实际场景中应用。 一、文件匹配原理 文件匹配主要涉及两个核心概念:文件名和文件路径。在大多数操作系统中,文件...
GPS定位系统由空间、控制和用户部分组成,其中关键步骤是捕获GPS信号,尤其对于高动态应用如箭载或星载系统。传统的GPS捕获涉及载波捕获和码捕获,通常使用滑动相关法和FFT算法。通过改进FFT算法并结合惯性信息,...
在本篇文章中,介绍了基于Freescale Coldfire系列处理器的MCF5213芯片以及Zigbee无线通讯技术来实现无线对讲系统的参考设计。文中详细说明了硬件架构、系统构成以及无线音频传输的原理和技术要点。 硬件架构方面,...