A×寻路算法的maltab实现以及几点简单的思考

书接上文，上回我们生成了按照预设海陆面积的地图，那么这次就开始为我们的小船寻路吧！

首先先介绍一下A*算法，A*（A-Star)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，也是许多其他问题的常用启发式算法。它考虑了全局的信息，可以在一些情况下蜕化为Dijkstra算法以及扫描式算法。由于其优越的性能，在游戏系统中经常利用该算法进行AI的寻路（A*的变种以及其他寻路算法也很高效，后面看情况我去搞一搞）。

下面就是一个简单的A*寻路的例子

（其中紫色是障碍物，绿色是openlist中的点，红色是closelist中的点，黄色则是最终的路径。）

如果我们不考虑H_COST（状态n到目标状态的最佳路径的估计代价），算法蜕化为扫描式算法，如图

如果我们不考虑G_COST（状态中从初始状态到状态n的实际代价），算法蜕化为Dijkstra

对这种算法的详细说明可以参考以下资料：

http://blog.jobbole.com/71044/ 注：里面还讲了变种

B站AV号:av7830414

av8070703

下面讲讲我自己是如何实现的

下图是matlab对应代码的流程图

我直接利用了两点之间距离对H_COST进行估计，利用结构数组完成了编写

最终运行的结果：

代码：链接：https://pan.baidu.com/s/1eTPzLw2 密码：1nzq

接下来我在考虑是不是要加入更多要素，不仅仅是距离影响代价函数。这样的话，会不会更合理一些。如果往这个方向上思考的话，首先要确定加入哪些因素，其次要量化这些因素对船只航行的影响，我觉得可以试试利用神经网络，对人类设定的航线进行学习，从中学习到那些因素对航线设定的影响。（突然觉得这是个很浩大的工程啊，尽力完成吧。。。。）