前一些天，在群有人问到A*算法的问题。

之前我已经有实现过，并将之放到github上（https://github.com/XJM2013/A_Star）。有兴趣的能够下载下来看看。

这里上传了一个相当好的A*算法演示程序，大家能够下载下来看看效果：http://download.csdn.net/detail/a374826954/8781185。

以下描写叙述是摘自清华大学出版社《人工智能》一书：

评价函数的形式例如以下：

f(n) = g(n) + h(n)

当中，n是被评价的结点。

g*(n)：表示从初始结点s到结点n的最短的耗散值。

h*(n)：表示从结点n到目标结点g的最短的耗散值；

f*(n)=g*(n)+h*(n)：表示从结点s经过结点n到目标结点g的最短路径的耗散值。

而f(n)、g(n)和h(n)则分别表示是对f*(n)、g*(n)和h*(n)3个函数值的预计值，的一种预測。

A算法就是利用这样的预測，来达到搜索的目的。

当在算法A的评价函数中，使用的启示函数h(n)是处于h*(n)的下界范围。即满足h(n)≤h*(n)时，则把这个算法称为算法A*。

须要说明的是。程序因为添加了一些调试信息。略微会比实际慢一些。

以下看一下程序演示界面：

白格子表示通路。黑格子表示阻挡。

这里的黑格子是随机生成。在下面代码产生：

(function(){

	map.init(0.3);

	map.createUI();

})();

随机数为0.3。当设置为0时，则所有都是通路。

说说3个button：

“设置阻挡”：按下这个button后能够通过鼠标左键自己定义阻挡区域。方便測试。

“closed”：显示已经被扩展并放到closed表的节点信息。

显示信息以C：开头。显示4个数据各自是f，g，h和扩展索引。须要注意的是扩展索引不一定是连续的，由于同一个节点可能被多次扩展。

“open”：显示剩余剩余的open表节点信息。

显示信息以O：开头。显示3个数据各自是f，g和h。

事实上一些人搞不懂A*算法。主要是搞不懂f，g。h是如何取值的。

以下举个样例：

从广州到北京（最好打开百度地图对照着看，下面距离不等于实际城市间的距离）

换言之，广州就是起始点，北京就是目标点。

广州到广州的距离是0。也就是g=0；广州到北京的直线距离是5000。也就是h=5000。f=g+h，f=5000。

将广州放进open表，扩展广州这个节点。并将广州从open表删除，放进closed表。得到重庆和上海。

广州到重庆的距离是2500，也就是重庆这个节点的g=2500。重庆到北京的直线距离是4500。也就是h=4500。f=7000。

将重庆放进open表。

广州到上海的距离是3000。也就是上海这个节点的g=3000；上海到北京的直线距离是3000，也就是h=3000；f=6000。

将上海放进open表；因为上海的f小于重庆的f，在open表中上海节点在重庆节点前面。

扩展上海这个节点，发现找到了北京。于是搜索结束。最后的路径就是广州-上海-北京。

本程序的核心代码是：

search : function(){

    	while(1){

    		if (map.openTable.length == 0){

	    		break;

	    	}

            var _fMinNode = map.openTable.shift();

            if (_fMinNode.place == 2){

            	continue;

            }

            map.searchAround(_fMinNode);

            _fMinNode.index = globalIndex;

            globalIndex++;

            _fMinNode.place = 2;

			closedTable.push(_fMinNode);

            if (map.endNode == _fMinNode){

            	break;

            }

        }

    },

    searchAround : function(node){

        var nodeX;

        var nodeY;

        for (var x = -1; x <= 1; x++)

        {

            nodeX = node.x + x;

            for (var y = -1, mapNode, _obj, tmpNode; y <= 1; y++)

            {

                nodeY = node.y + y;

                //剔除本身

                if (x === 0 && y === 0) continue;

                if (nodeX >= 0 && nodeY >= 0 && nodeX < map.gridWidth && nodeY < map.gridHeight)

                {

                    mapNode = map.data[nodeX][nodeY];

                    if (mapNode.isRoadBlock){

                    	continue;

                    }

					_obj = map.getFGH(node, mapNode);

					do

					{

						if (mapNode.place == 2){

							if (_obj.G >= mapNode.obj.G){

								break;

							}

						}

						else if (mapNode.place == 1){

							// 单调限制

							if (mapNode.obj.G <= _obj.G){

								continue;

							}

						}

                        mapNode.obj = _obj;

                        mapNode.front = node;

                        mapNode.place = 1;

                        map.insertOpenTable(mapNode);

					}while(0)

                };

            };

        };

    },

工作流程就是循环顺序遍历open表(依据f值进行排序)，扩展读取出来的节点，直到找到目标点。

当中getFGH就是计算该节点的f，g，h信息。

你能够看到代码里面有写着// 单调限制的凝视。再举同一个样例说明一下。

广州还扩展出一个节点：武汉。

武汉的f=5900。g=2400，h=3500。这时候是先扩展武汉，于是又找到了上海。

武汉到上海的距离是1900。

这时候经过武汉到上海的节点信息是g=2400+1900=4300。h是不变的也是3000。

上海节点mapNode之前保存的g=3000。如今算出经过武汉到上海的距离是g=4300。

因此经过武汉到上海比直接到上海的距离远，因此不将f，g，h替换放到open表。

这就是单调限制。

以下是本篇文章代码及演示程序的效果图：

A*算法的不足：

当目标点是位于死路区域，则A*算法会遍历整个地图。

这明显是低效率的。