游戏人工智能实验报告三.docVIP

实验三 A*算法 实验报告 一、实验目的 掌握游戏中寻路算法尤其是目前产用的A*算法原理 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 //描述A*的算法原理 //描述程序实现时的思路包括对每个调用的API进行详细说明 A*的算法原理： （1）定义搜寻区域：就是让游戏角色和物体能找出任意两点的最佳路径并避开障碍物，这就是路径寻找算法的工作。 （2）开始搜寻：一旦我们简化了搜寻区域，使其由适当数量节点构成时，就能准备开始搜寻了。我们会以A* 算法找出任何两节点间的最短路径。 以下就是A*算法伪代码： 把起始节点加进open list while (open list 不空) { 当前节点 = open list中成本最低的节点 if (当前节点 == 目标节点) { 路径完成 从目标节点开始寻找其母节点，直到母节点是起始节点位置，得到路径 } else {把当前节点移入到close list 检视当前节点的每个相邻节点 for (每个相邻节点) if (该节点不在open list中 该节点不在closed list中 该节点不是障碍物) { 把该节点移进open list 计算其成本 记录该节点的母节点为当前节点 }}} if (还没有找到路径) {无法从起始点到达目的地} 具体过程：从起始节点开始搜寻，然后依次去搜寻周围结点 【1】open list是A*算法中的记录方式，开始时，他只有一个节点，也就是起始节点，接着会陆续把其它节点放进去。 【2】建好open list后，接着予以检查，搜寻清单内每个砖块相邻的砖块。即检查每个相邻砖块是否为路径上的有效砖块。八个相邻砖块，有效则加入open list ，无效则忽略。 【3】建立closed list（存放已访问过的成本最低的节点），当某砖块的相邻八个砖块都已经检查过，则将该砖块放进去。 以上，一次循环完成。 在open list中相邻砖块如何连接，做法是记录open list中每个砖块的母砖块，即该角色走到当前位置前的那个砖块。 （3）记分：用路径得分，找出起始砖块和目的砖块间的最佳路径。 【1】计算从起始砖块移到任何指定砖块上的移动成本。 【2】计算从指定砖块移动到目的地砖块所需的移动成本。 （4）搜寻死路：最简单的方法就是监控open list。如果检查到最后的节点，open list中再也没有任何成员，就是遇上死路了。 （5）地形成本：有时候还需要考虑其他因素，最短的路径不一定是最快的，比如不同地形的移动成本是不同的，只有在计算总的移动成本时，考虑到地形因素就可以了。当然对于金钱，燃料或其他类型的资源时，问题就会变得更加复杂一些。 （6）影响力对应：例如：通过任何敌人的视线的节点，有较高的成本。这种成本无法在设计游戏软件阶段时建立，因为游戏角色的位置是会改变的。影响力对应(influence mapping)是一种改变A*节点成本的方法，根据游戏里发生的情节而定。 实验结果 五、实验心得(需包括有何不足如何改进) //你认为目前的A*算法有什么不足之处,如何改进 A*算法的不足之处 相比于平常的算法它需要的计算量比较大，而且也很繁琐。 如何改进：（来自一位大神的说法） 此改进的模糊C-此函数实现遗传算法，用于模糊C-均值聚类。 主要代码 void CAStar::StepInitialize(int sx, int sy, int dx, int dy) { ClearNodes(); m_iSX = sx; m_iSY = sy; m_iDX = dx; m_iDY = dy; m_iDNum = Coord2Num(dx,dy); _asNode *temp = new _asNode(sx, sy); temp-g = 0; temp-h = abs(dx-sx) + abs(dy-sy); temp-f = temp-g + temp-h; temp-number = Coord2Num(sx, sy); m_pOpen = temp; udFunc(udNotifyList, NULL, m_pOpen, ASNL_STARTOPEN, m_pNCData); udFunc(udNotifyChild, NULL, temp, 0, m_pNCData); } int CAStar::Step() { if (!(m_pBest = GetBest())) return -1; if (m_pBest-number