A星解析.docVIP

窗体顶端 用户名: 密码: 登录 窗体底端 注册 NO.6 小夜的flash空间 主页博客相册个人档案好友 查看文章 AS3寻路算法-基于广度优先搜索（算法详解） 2010年09月08日 01:36 flash效果演示 前几天开学比较忙，没把算法和大家讲明白。 关于寻路，实际上是按照某种要求，找到一条或几条符合要求的通往目的地的路径。最常见的就是寻找最短路径。我们不可能漫无目的的找路，正所谓条条大路通罗马，反正地球是圆的，方向走错就地球绕一圈呗（哦呵呵，扯淡了~）。 那么，对于寻路的算法，最笨的方法（恩，这个方法就算是傻子也不会用），无非就是通过遍历的方法将所有可能通往目的地的路劲找出来，一一比较，找出符合要求的路径。这个计算方法产生的路径数量关于路径长度是指数级的，空间和时间的消耗可想而知。这让计算机在计算过程中就好比无头苍蝇瞎找路，没有任何目的性，这样的时间花费，显然是很难让人接受的。 我们要做的工作就是，通过一些已有的数学定理，让计算机变得聪明，至少，让他不会做太多无谓的运动。在寻路过程中，计算所花费的时间和空间越少，算法就越优越。 废话讲完进入正题，希望大家在这之前没有睡着，哦呵呵！ 既然是解决寻找两点之间最短路径的的问题。我们自然会想一个描述两点之间最短路径特征的命题。 如果在点A和C之间存在一条最短路径AC，并且在AC上有个点B，那么，沿这条路径产生的路径AB，是点A到点B的最短路径。 像这张图，如果这条路径是A到G的最短路径，那么AF路径就一定也是A到F的最短路径。 用反证法证明的话，可以这么说。如果存在一条更短的A到F的路径，那么我们完全可以从A走更短的路径到达F，然后再从F到达G，那么产生的路径就比AG要短，这显然和AG是最短路径这个前提矛盾。故AF就一定是最短路径啦。 同理，我们还能推出，AB，AC，AD，甚至BD，BE都是最短路径，这个图中任意两点沿这个路径所产生的路径，都是最短路径。当然，这个最短路径不是唯一的，这只是其中一条。 利用这个数学原理，我们可以在寻路过程中，率先找到起点到某点的一条最短路径，那么之后的所有寻路都基于这个最短路径之上，而不必考虑起点到这个点的其他路径。这样的方法能剔除大量无谓的路径，减少时间和空间的压力。 那么如何率先找到起点到某点的最短路径呢？这里用到数据结构里面的一种广度优先搜索的方法对图进行搜索。 广度优先搜索按照从起点到其他点的路径的长度，从短到长一层一层搜索。当某个点第一次被搜索到，那么所搜索的那个路径就一定是一条最短路径了。这个讲起来有点抽象，下面我们用一张3*3的地图来演示下搜索的过程。 这张地图中，F为障碍物，A是起点，I是终点。每个格子，即一个结点，有三部分和搜索有关的属性。第一个是指向和这个节点相邻的结点的一系列引用（图中黑色箭头表示）。第二个是指向母结点的引用（图中红色箭头表示），在未开始搜索之前，这个属性是空的。第三个就是一个布尔值，表示结点是否是可被搜索的，障碍物默认是不可被搜索的，没有人会产生一个经过障碍物的路径吧，所以这个搜索直接忽略。 将地图连接好之后，我们会产生一个图（此图为数据结构里面的概念），当然，我们也能把这个图看成是一个根节点是起点，元素能重复的无限深度的树。 然后我们就开始搜索，首先，从A出发，我们能到B和D，由于B和D是第一次被搜索到，故AB和AD必然是最短路径（这个是不争的事实，他们一步就到了，其他路径皆是绕圈子）。 恩，很好，那么接下来我们就把B和D的指向母结点的引用（上面提到的结点的第二部分属性，也就是地图中画出的红色箭头）指向A，表示从起点到达B和D的最短路径是从A那过来的，这样就把路径储存下来了。 然后，将B和D设为不可搜索，表示B和D的最短路径已经产生了，要是下面要是还搜他们，那么产生的路径一定没这个短，因为搜索的顺序是从短到长的嘛。所以就没有必要对他们搜索了。 最后，将B和D存入第二层的临时数组，第二轮的搜索就要从B和D开始了！ 第二轮，首先，从B开始搜索，像刚才从A开始一样。我们发现，B的子节点有三个，其中A被锁定了（蓝色表示，它的子节点由于不参与搜索，就暂时忽略不画），所以直接忽略A。 然后是E和C，发现者两个没有被锁定，那么它们就是第一次出现咯（因为第一次出现后就要被锁定，所以没锁定的就是第一次出现）。恩，把他们像刚才处理B和D一样，设置路径，然后锁定，再存入第三层的临时数组。 B的子节点处理完了，然后是D的子节点。A是锁定的忽略，E刚才在处理B的子节点的时候被锁了，所以也忽略。恩，G第一次出现，把它处理了存入第三层数组，这样，第三层就全部处理完了。下面进入第三轮搜索。 第三轮中，只有H新来的，其他均是老面孔。H存入第四层数组，接下来进入第四轮搜索。 G是老面孔，I是新来的，而且！I就是