热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

AStar寻路原理

本文转自UnityConnect博主majorWu起源由于一次面试被问起AStar算法原理,我当场面红耳赤,不知怎么开口,这个耳熟能详

本文转自Unity Connect博主 majorWu

起源

由于一次面试被问起AStar算法原理,我当场面红耳赤,不知怎么开口,这个耳熟能详的寻路算法,我对它的原理却浑然不知,一直都有听大家说到这个算法,也有调用过相关接口,然自己却那么陌生,真想一头钻到地底。于是就有这边篇记录AStar算法原理的学习文章。

AStar算法是一种静态路网中求解最短路径最有效的直接搜索方法。在包含各种障碍物的地图中,为游戏角色的移动,寻找一条到目标地点最短路径。

简介

AStar(又称 A*),它结合了 Dijkstra 算法的节点信息(倾向于距离起点较近的节点)和贪心算法的最好优先搜索算法信息(倾向于距离目标较近的节点)。可以像 Dijkstra 算法一样保证找到最短路径,同时也像贪心最好优先搜索算法一样使用启发值对算法进行引导。

简单点说,AStar的核心在于将游戏背景分为一个又一个格子,每个格子有自己的靠谱值,然后通过遍历起点的格子去找到周围靠谱的格子,接着继续遍历周围…… 最终找到终点。

AStar算法原理

在游戏的地图中,AStar会被预先烘焙成相应的格子记录相关信息。
在这里插入图片描述
上图A表示起点,B表示终点,蓝色方块表示障碍物,我们需要找出一条路,从A点开始,绕过蓝色方块,到达B点。

首先说一下用到的名词:


  • 开放列表:一个记录所有被考虑来寻找最短路径的网格集合
  • 关闭列表:一个记录下不会被考虑的网格集合
  • G :表示从起点方格移动到网格上指定方格的移动耗费 (可沿斜方向移动).
  • H :表示从指定的方格移动到终点方格的预计耗费 (H启发函数).

核心部分

下图所示的中心方块为当前块,已被放入关闭列表,那接下来怎么确定下一步要走的方格?
在这里插入图片描述
这就是Astar核心部分:路径代价

权重值:F=G+H,G和H前面我们有介绍过,我们将根据这个权重值引导每一步的走向,直至目标点

那么G和H我们应该怎么计算,下面给出了三种基本的估价算法(也称估价公式),其算法示意图如下:
在这里插入图片描述

分别为:曼哈顿估价法、几何估价法、对角线估价法

我们以曼哈顿估价法为例:起点A(X1,Y1),终点B(X2,B2),那么距离可根据上图第一幅图可得出:D=X2-X1+Y2-Y1

现在我们知道了估价法,接下来我们继续下一步方块的确定。下图是我们对前相邻的每个方块的估价,左上角表示F值,左下角表示G值,右下角表示H值。
在这里插入图片描述
通过F值比较,我们找出F值最小的方块,也就是当前方块右侧的那块,标记为C(F值为40),我们把当前方块放入关闭列表,周围的方块放到开启列表中,然后同上反复操作,找到C周围相邻的方块(过滤掉蓝色方块的障碍区域及已被添加到关闭列表的),估价计算出相应的F值,上下F值一样,然后随机找到了D,把当前C放入关闭列表,周围的方块放到开启列表中(已存在的跳过)

实现步骤:

1.把起始格添加到开启列表。

2.重复如下的工作:

a) 寻找开启列表中估量代价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格中的每一个进行如下操作* 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(注解),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。

最后本文是按自己对AStar的理解,按照自己的思路写出来,作为总结和备忘。有不对或理解错误的地方,烦请指正。

原文链接:https://connect.unity.com/p/astar-xun-lu-yuan-li?app=true
欢迎大家戳上方链接,下载Unity官方app,和博主一起探讨交流,在这里可以认识很多有趣的小伙伴,还有在线答疑,更多实用干货。


推荐阅读
  • SQL中UPDATE SET FROM语句的使用方法及应用场景
    本文详细介绍了SQL中UPDATE SET FROM语句的使用方法,通过具体示例展示了如何利用该语句高效地更新多表关联数据。适合数据库管理员和开发人员参考。 ... [详细]
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 本文探讨了卷积神经网络(CNN)中感受野的概念及其与锚框(anchor box)的关系。感受野定义了特征图上每个像素点对应的输入图像区域大小,而锚框则是在每个像素中心生成的多个不同尺寸和宽高比的边界框。两者在目标检测任务中起到关键作用。 ... [详细]
  • 网络攻防实战:从HTTP到HTTPS的演变
    本文通过一系列日记记录了从发现漏洞到逐步加强安全措施的过程,探讨了如何应对网络攻击并最终实现全面的安全防护。 ... [详细]
  • 离线环境下的Python及其第三方库安装指南
    在项目开发中,有时会遇到电脑只能连接内网或完全无法联网的情况。本文将详细介绍如何在这种环境下安装Python及其所需的第三方库,确保开发工作的顺利进行。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 自学编程与计算机专业背景者的差异分析
    本文探讨了自学编程者和计算机专业毕业生在技能、知识结构及职业发展上的不同之处,结合实际案例分析两者的优势与劣势。 ... [详细]
  • 使用Vultr云服务器和Namesilo域名搭建个人网站
    本文详细介绍了如何通过Vultr云服务器和Namesilo域名搭建一个功能齐全的个人网站,包括购买、配置服务器以及绑定域名的具体步骤。文章还提供了详细的命令行操作指南,帮助读者顺利完成建站过程。 ... [详细]
  • 本文介绍如何使用JPA Criteria API创建带有多个可选参数的动态查询方法。当某些参数为空时,这些参数不会影响最终查询结果。 ... [详细]
  • 深入理解Java中的Collection接口与Collections工具类
    本文详细解析了Java中Collection接口和Collections工具类的区别与联系,帮助开发者更好地理解和使用这两个核心组件。 ... [详细]
  • Babylon.js 实例展示
    探索 Babylon.js 的强大功能,通过全屏演示体验其卓越性能。本文提供在线文档链接和默认渲染管线的源码调试地址,帮助您深入了解 Babylon.js 的工作原理。 ... [详细]
  • 本题通过将每个矩形视为一个节点,根据其相对位置构建拓扑图,并利用深度优先搜索(DFS)或状态压缩动态规划(DP)求解最小涂色次数。本文详细解析了该问题的建模思路与算法实现。 ... [详细]
  • 基于结构相似性的HOPC算法:多模态遥感影像配准方法及Matlab实现
    本文介绍了一种基于结构相似性的多模态遥感影像配准方法——HOPC算法,该算法通过相位一致性模型构建几何结构特征描述符,能够有效应对多模态影像间的非线性辐射差异。文章详细阐述了HOPC算法的原理、实验结果及其在多种遥感影像中的应用,并提供了相应的Matlab代码。 ... [详细]
author-avatar
纯真的ppx
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有