A星路径搜索

摘要:

  在人工智能中有一类问题是有确定解的,如路径、五子棋等,这样的问题非常适合使用搜索来解决。 路径搜索是一个很有趣的问题,在人工智能中算是很基础的问题。最近一直在读《Artificial Intelligence-A Modern Approach》,搜索部分看完印象最深的就是A星算法了,这个在游戏开发中也最常用。于是乎做个总结,明天就掀过这篇了。

路径搜索算法:

Dijkstra:

  Dijkstra 最短路径算法,大学数据结构教科书上都讲过,这里也不赘述了。但是为了及和一下几个算法做比较,我google 了一个图,非常直接的显示Dijkstra算法的搜索过程:

  图中以中心为起点,以辐射状不断向中心外搜索(每次取距离起点最近的点),一圈一圈向外扩张,直到逼近目标点,完成路径搜索。

Best-First-Search:

  BSF 每次扩张节点,都选择最接近目标的节点。Dijkstra 是每次都选择据起点最近的节点。区别是到起点的距离总是已知的,而都终点的距离只能是估计的。所以BSF 提供了启发式函数h。常见的启发式函数h有:

  • 基于绝对距离,计算当前节点到目标点的绝对距离(此时并不能知晓该路径是否可行,也许会有阻碍)
  • 基于方向的,如果目标在东方,那么只向东南、东、东北三个方向扩展,在障碍物少的情况下,BSF可以非常快、非常直接的搜索到目标。如果因障碍阻塞,改变了路径方向,BSF找到的不一定是最近的路径。

A 星算法

  A 星算法兼具Dijkstra 准确和 BSF 的快速,在搜索路径时,通过启发式函数h 计算当前节点到目标节点的距离,而起点到当前点距离已知,则每次选择f = g + h 最小的节点。A星总是尝试找到最短的路径,阻碍物少的情况下性能接近BSF。

A 星算法原理

A 星算法实现

主逻辑实现:

int astar_t::search_path(uint32_t from_index, uint32_t to_index, vector<uint32_t>& path_)
{
    //! open 表中保存待扩展的节点
    //! visited 保存此次搜索访问过的节点,待搜索完成,将其状态恢复到默认状态
    open_table_t        open;
    vector<map_node_t*> visited;

    search_node_t current;
    search_node_t neighbor_node;
    vector<map_node_t*> neighbors;

    //! 先将起始点加入到open 表中
    current.set_pos_index(from_index);
    open.insert(current);

    visited.push_back(m_map.get_node(current.get_pos_index()));

    //! 大循环,直到open为空(找不到目标) 或 找到目标
    while (false == open.empty()) {
        open.pop_first(current);
        
        if (current.get_pos_index() == to_index)
        {
            break;
        }

        //! 添加到close 表
        m_map.get_node(current.get_pos_index())->set_closed();
    
        //! 找到当前节点的所有邻居节点, 不同的游戏中该函数实现可能不同
        //! 有的游戏可以走斜线,而有些不能,如坦克大战就不能走斜线
        m_map.get_neighbors(current.get_pos_index(), neighbors);

        for (size_t i = 0; i < neighbors.size(); ++i)
        {
            map_node_t* neighbor_map_node = neighbors[i];
            neighbor_node.set_pos_index(neighbor_map_node->get_pos_index());
            
            //! 计算该点的 g 和 h 值
            neighbor_node.set_gval(m_map.distance(current.get_pos_index(), neighbor_map_node->get_pos_index()));
            neighbor_node.set_hval(m_map.heuristic(neighbor_map_node->get_pos_index(), to_index));

            //! 如果该点已经在open表中,检查g值,若g值更小,说明当前路径更近,更新open表
            if (true == neighbor_map_node->is_open())
            {
                if (neighbor_node.get_gval() < neighbor_map_node->get_gval())
                {
                    open.update(neighbor_map_node->get_fval(), neighbor_node);
                    neighbor_map_node->set_gval(neighbor_node.get_gval());
                    neighbor_map_node->set_hval(neighbor_node.get_hval());
                    neighbor_map_node->set_parrent(current.get_pos_index());
                }
            }
            //! 如果该点既没有在open,也没有在close中,直接添加到open
            else if (false == neighbor_map_node->is_closed())
            {
                open.insert(neighbor_node);
                neighbor_map_node->set_open();
                neighbor_map_node->set_parrent(current.get_pos_index());
                visited.push_back(neighbor_map_node);
            }
            //! 如果已经在close 中,简单跳过
            else {} //! closed ignore
        }
        neighbors.clear();
    }

    //! 找到了目标,逆序遍历,得到完整的路径
    if (current.get_pos_index() == to_index)
    {
        path_.push_back(current.get_pos_index());
        uint32_t next = m_map.get_node(current.get_pos_index())->get_parrent();
        while (next != from_index)
        {
            path_.push_back(next);
            next = m_map.get_node(next)->get_parrent();
        }
        path_.push_back(from_index);
    }
    
    //! 最后将所有的已访问过的节点状态清楚, 为下次搜索做准备
    for (size_t i = 0; i < visited.size(); ++i)
    {
        visited[i]->clear();
    }
    visited.clear();
    return 0;
}

A 星数据结构

  1. open 表,维护待扩展的节点,每次从其中找到f = g + h 最小的节点,由pop_first 实现

  open 表 是按照f = g + h 由大到小顺排序的,是一个multimap

typedef multimap<uint32_t, search_node_t> table_t;
    struct open_table_t
    {
        table_t nodes;
        bool empty() { return nodes.empty(); }
        int pop_first(search_node_t& ret)
        {
            table_t::iterator it = nodes.begin();
            ret = it->second;
            nodes.erase(it);
            return 0;
        }
        void insert(const search_node_t& node_)
        {
            nodes.insert(make_pair(node_.get_fval(), node_));
        }
        void update(uint32_t old_, const search_node_t& node_)
        {
            pair<table_t::iterator, table_t::iterator> ret = nodes.equal_range(old_);
            table_t::iterator it = ret.first;
            for (; it != ret.second; ++it)
            {
                if (it->second == node_)
                {
                    //! 可以优化, 如果前一个比该节点小,才需要删除
                    nodes.erase(it);
                }
            }
            this->insert(node_);
        }
    };

2. map 管理器

  map 管理器记录所有地图信息,记录某个坐标其相邻坐标信息,记录某个坐标是否可通行信息、地图的宽、高等、两点的距离等。map管理器中维护一个二维数组

 map_mgr_t(uint32_t width_, uint32_t height_):
            m_map_nodes(NULL),
            m_width(width_),
            m_height(height_)
        {
            m_map_nodes = (map_node_t*)malloc(m_width * m_height * sizeof(map_node_t));
            for (uint32_t i = 0; i < m_height; ++i)
            {
                for (uint32_t j = 0; j < m_width; ++j)
                {
                    new(m_map_nodes + i * m_width + j) map_node_t(i * m_width + j);
                }
            }
        }

3.  获取邻居节点方法如下,限制不能斜着走,不同的游戏可能有不同的实现

void get_neighbors(uint32_t pos_, vector<map_node_t*>& ret_)
        {
            map_node_t* tmp = m_map_nodes + pos_ - 1;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ + 1;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ - m_width;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
            tmp = m_map_nodes + pos_ + m_width;
            if (tmp >= m_map_nodes && tmp < m_map_nodes + m_height * m_width && tmp->is_can_pass())
            {
                ret_.push_back(tmp);
            }
        }

4. 启发式函数

  由于不能斜着走,那么启发式函数h 只是获得x、y上偏移和。

uint32_t heuristic(uint32_t from_, uint32_t to_)
        {
            return this->distance(from_, to_);
        }

TODO:

  1. astar_t 应该模板化, heuristic、distance、get_neighbors都应该是可定制的
  2. 性能参数测试,如1000*1000地图上最坏情况的搜索开销
  3. open表更新还可以优化,当更新g值后若小于迭代器前一个节点,才需要执行删除再插入

源代码: http://ffown.googlecode.com/svn/trunk/fflib/ext/algorithm/astar2/

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Script Boy (CN-SIMO)

魔法少女【动态规划问题】——NYOJ1204

13120
来自专栏python开发者

基于Python使用SVM识别简单的字符验证码的完整代码开源分享

关键字:Python,SVM,字符验证码,机器学习,验证码识别 1   概述 基于Python使用SVM识别简单的验证字符串的完整代码开源分享。 因为目前有了更...

460100
来自专栏青青天空树

取随机数

  常用于去随机数的函数为rand()(在stdlib.h头文件中,不同的编译器可能有不同),但是实际在使用这个函数时却发现每次程序运行产生的数都是一样的,这是...

17820
来自专栏AI研习社

使用 SKIL 和 YOLO 构建产品级目标检测系统

在本文中,我们采用最新的神经网络实现目标检测,使用SKIL平台构建产品级目标检测系统。

17810
来自专栏ATYUN订阅号

使用Java部署训练好的Keras深度学习模型

Keras库为深度学习提供了一个相对简单的接口,使神经网络可以被大众使用。然而,我们面临的挑战之一是将Keras的探索模型转化为产品模型。Keras是用Pyth...

67340
来自专栏AI研习社

运用 MXNet Scala API 接口进行图像分类(附代码)

随着 MXNet 1.2.0 版本的发布,新的 MXNet Scala API 接口也发布了。这次发布的 Scala,里面的推理应用程序致力于优化开发者体验。S...

11510
来自专栏AI科技评论

实战 | BERT fine-tune 终极实践教程

AI科技评论按:从 11 月初开始,google-research 就陆续开源了 BERT 的各个版本。google 此次开源的 BERT 是通过 tensor...

73950
来自专栏机器学习算法工程师

史上最详细的XGBoost实战(上)

作者:章华燕 编辑:祝鑫泉 零 环境介绍: · Python版本:3.6.2 · 操作系统:Windows · 集成开发环境:PyCharm 一 安装Pyt...

76440
来自专栏SIGAI学习与实践平台

【免费线上实践】动手训练模型系列:条件GAN

从无序的输出到按照类别输出,Conditional Generative Neural Networks到底借助了什么样的魔(xin)法(xi)?点击下方小程序...

14850
来自专栏北京马哥教育

搭建python机器学习环境以及一个机器学习例子

作者 | hzyido 来源 | 简书 糖豆贴心提醒,本文阅读时间6分钟,文末有秘密! 这篇文章介绍了Python机器学习环境的搭建,我用的机器学习开...

619120

扫码关注云+社区

领取腾讯云代金券