基于A的矢量寻路算法.pdf

基于A* 的矢量寻路算法 谌显，杨克俭 武汉理工大学计算机科学与技术系，武汉 (430063) E-mail：iron1982@ 摘 要：最短路径搜索是路径分析中的热点问题，也是物流运输系统中的关键技术之一。 A*算法是一种经典的最短路径搜索算法。本文在分析和研究了A*算法的基础上，提出了一 种矢量寻路算法。该方法是在二维矢量图中搜索最短路径。此外，本文对矢量寻路算法的改 进做了进一步探讨。 关键词：A*算法；矢量寻路；Dijkstra 算法；最佳优先搜索 中图分类号：TP391 1. 引言 A*算法是一种典型的启发式搜索算法，是静态二维网格中求解最短路最有效的方法。 A*算法被广泛应用于游戏、计算机仿真、交通等领域。本文先简述各种经典的寻路算法， 然后着重描述 A*寻路算法，并在 A*算法的基础上提出了二维平面上的矢量寻路算法，将 A*算法的应用范围从二维网格拓展到二维的矢量图。 2. A*算法简述 2.1 Dijkstra 算法与最佳优先搜索 [1][2] Dijkstra 算法 从物体所在的初始点开始，访问图中的结点。它迭代检查待检查结点集 内的结点，并把和该结点最靠近的尚未检查的结点加入待检查结点集。该结点集从初始结点 向外扩展，直到到达目标结点。Dijkstra 算法保证能找到一条从初始点到目标点的最短路径， 只要所有的边都有一个非负的代价值。 [3] 最佳优先搜索（BFS ）算法 按照类似的流程运行，不同的是它能够评估（称为启发式 的）任意结点到目标点的代价。与选择离初始结点最近的结点不同的是，它选择离目标最近 的结点。BFS 是基于贪心策略的，它试图向目标移动（即使不是正确的路径）。由于它仅仅 考虑到达目标的代价，而忽略了当前已花费的代价，于是尽管路径变得很长，它仍然继续走 下去。因此，BFS 不能保证找到一条最短路径。然而，它比Dijkstra 算法快的多，因为它用 了一个启发式函数（heuristic function ）快速地导向目标结点。例如，如果目标位于出发点的 南方，BFS 将趋向于导向南方的路径。 A*算法正好结合了Dijkstra 算法和最佳优先搜索（BFS ）算法的优点，成为二维网格中 求解最短路最有效的方法。接下来描述A*算法。 2.2 A*算法 A*算法在人工智能中是一种典型的启发式搜索算法。如果将问题求解过程表现为从初 始状态到目标状态寻找最优路径的过程，启发式搜索就是在状态空间中的搜索对每一个搜索 的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无 谓的搜索路径，提高了效率。 - 1 - 图1 A*算法中的网格 图2 A*算法找到的路径 A*算法的估价函数为：f(n) = g(n) + h(n) 。g(n)表示从初始结点到任意结点n 的代价，h(n)表 示从结点n 到目标点的启发式评估代价（heuristic estimated cost ）。如图1 所示，绿色的是 起点 A ，红色是终点 B ，蓝色方块是中间的墙。假设沿水平、垂直方向移动一格的距离为 10，沿对角线移动一格的距离为14。考察起点A 右边的点n ，从起点A 移动到点n 的距离 为10，即g(n)为10。从点n 到终点B 的距离为40，即h(n)为40 。则点n 的f(n)为50 。A* 算法的工作流程如下： （1）把起始格添加到Open 集合。 （2 ）重复如下的工作： A. 寻找Open 集合中f(n)值最低的结点，称它为当前结点。 B. 把它从Open 集合中删除，放入Close 集合。 C. 对于相邻的8 格中的每一个结点： a) 如果它不可通过或者已经在Close 集合中，略过它。否则如下： b) 如果它不在Open 集合中，把它添