关于A*的构想
一、原理及伪代码实现
A Star 算法的具体作用可以忽略不表了,基本上想用的都知道,不知道的基本上不在乎。
具体伪代码如下:
void FindPath(Point[,] maps, Point start, Point end)
{
openList.Clear();//开启列表,就是一个等待检查方格的列表
closeList.Clear();//闭合列表,不需要再次检查的方格
openList.Add(start);//添加起始点至待检查
bool isFound = false;
while (openList.Count > 0)
{
//通过F=G+H寻找开启列表中最靠谱节点
var temStart = GetMinCostInOpen();
openList.Remove(temStart);//找到后加入闭合列表
closeList.Add(temStart);
//寻找该节点周围节点,除不可访问节点和已访问节点
var neighbors = GetNeighbors(temStart);
foreach (var neighbor in neighbors)
{
if (openList.Contains(neighbor))
{
//如果开启列表中已有该节点,通过比较到起始点距离(因为
//到结束点距离不会改变)
int c = neighbor.TryGetCostToStart(temStart);
if (c < neighbor.g)
{
//如果小于原花费,则更新花费,并重设父节点为当前节点
neighbor.SetParent(temStart);
}
}
else
{
//如果开启列表不包含该节点,则加入并设置父节点
openList.Add(neighbor);
neighbor.SetParent(temStart);
}
}
if (openList.Contains(end))
{
//如果开启列表中已包含结束点则证明找到
isFound = true;
break;
}
}
//通过isFound判断是否找到,已找到后可以根据结束点父节点倒推路劲
}
至于具体的原理及意义可参考:理解A*寻路算法具体过程
二、优化构想
Astar作为寻路算法应用十分广泛,但是,如果在一个超大的地图上、多人同时寻路中,超长距离的寻路对性能的消耗十分严重,因为它需要遍历格子,还需要维持开启列表找到最小值,So, 关于Astar的优化,个人做了两点考虑,
1,缩小寻路块
2,更方便的维持开启列表
对于第二点,个人的考虑是,在搜索到周围节点加入开启列表时,维持开启列表从小到大的有序性。具体做法是用一种算法控制查找等的消耗时间,比如,用二叉树控制插入的节点,使父节点永远小于子节点,或者直接使用折半查找等,怎么高兴怎么来,最后看疗效决定。
对于第一点,个人目前的的做法是使用 四叉树 进行场景管理。首先在处理完地图以后,进行四叉树的构建和场景合并:某一层次下叶节点全可通过则标记该节点可通过,反之亦然。在寻路的过程中,首先确定起始点所在的节点,通过节点进行寻路,具体做法同Astar。这样,假如我们就算最底层的长度为2,我们也相当于把地图缩小了四倍。但有一点,我们创建四叉树时,节点的坐标一般选择所表示的区域中心点,所以用来做寻路的也是该区域的中心点。也就是或出现具体执行路径时是这种情况:玩家从当前所在位置——>玩家所在节点的中心点——>正常寻路——>结束点所在节点的中心点——>结束点。开始和结束都要去节点中心点,这个在短距离寻路中,会有绕行的感觉,所以,不适合短距离寻路...T.T
个人的 实际代码未整理有些凌乱暂时就不贴了,效率自测,应该不会辜负你的期望。