BFS寻路算法的实现
关于BFS的相关知识由于水平有限就不多说了，感兴趣的可以自己去wiki或者其他地方查阅资料。
这里大概说一下BFS寻路的思路，或者个人对BFS的理解：
大家知道Astar的一个显著特点是带有启发函数，换句话说，Astar尝试以人的思维来去寻找一段路径。而BFS则没有这种聪明劲，他看起来更中规中矩，老实巴交，更像是机器人的风格。
简单的说，BFS为了找到一条路径，他从起点开始，然后是身边的邻居，然后是邻居的邻居，一个一个的搜查，直到搜到终点（寻路成功），或者把整个地图搜索完（除非最后一个点就是终点，否则寻路失败）。
可能乍看上去BFS真的比较笨，但是他也并没有笨的不着边际，因为他最多把整个地图都搜一遍，这样，对于一张有限的地图，他寻找一段路径所花的时间也是相对的有一个上限。
但Astar则不同，Astar虽然看起来带有聪明劲，但是这种聪明只是一种自作聪明，有时候，对于一些设计特殊的地图，Astar要为自己的聪明付出很大的代价。比如带有半岛的地图。
总体上看，Astar在障碍越少的情况下寻路越快，而BFS则比较平缓，不管障碍多少，他快慢幅度并不大。
废话不多说，下面用代码来说明BFS的思路：
01.public function tryFindPath(sx:int, sy:int, ex:int, ey:int):Boolean 02.{ 03. var start:uint = getTimer(); 04. 05. _startNode = _mapData.setStartNode(sx,sy); 06. _endNode = _mapData.setEndNode(ex,ey); 07. 08. if(_startNode == _endNode) return false; 09. if(!_endNode.walkable) return false; 10. 11. var i:uint=0; 12. _startNode.f = i; 13. var queue:MinHeap = new MinHeap(100); 14. queue.Enqueue(_startNode); 15. var neighbor:Node; 16. var testedNodes:Dictionary = new Dictionary(); 17. 18. while(queue.size>0) 19. { 20. var testNode:Node = queue.Dequeue() as Node; 21. i++; 22. var x:int,y:int; 23. for(var dx:int=-1;dx<=1;++dx) 24. { 25. x = testNode.x + dx; 26. for(var dy:int=-1;dy<=1;++dy) 27. { 28. y = testNode.y+dy; 29. neighbor = _mapData.getNode(x,y); 30. if(!neighbor) continue; 31. if(!neighbor.walkable) continue; 32. if(testedNodes[neighbor]) continue; 33. testedNodes[neighbor] = true; 34. neighbor.parent = testNode; 35. neighbor.f = i; 36. if(neighbor == _endNode) 37. { 38. return true; 39. } 40. 41. queue.Enqueue(neighbor); 42. } 43. } 44. } 45. return false; 46.}
这里并没有给出全部相关的源码，该方法只展示一个思路：
_mapData是对一个二维网格地图数据做了一个封装，包括设置起始点，终点，根据索引获取节点等。
Node是一个节点对象，他有xy的属性和一个f属性，跟Astar的代价属性类似。
queue是一个最小堆，他保证f值越小的Node对象越靠近队列的顶部。
testedNodes用来记录节点是否被搜寻过。
其寻路过程为：
1，将起点放入队列；
2，弹出队列中的最小代价的节点，搜寻他周围的有效节点（即存在，可走，而且没有被检查过），设置代价值，和父节点，如果这个节点就是终点，那么寻路成功，否则将此节点放入队列，在检查下一个邻居节点，如果所有的邻居节点都不是终点则进入3；
3，如果队列空了，那么说明所有的节点都检查过了，没有找到终点，否则继续2。
BFS的这种平缓特性在有些时候看起来似乎可以弥补Astar的缺陷，比如我们想在长程情况下采用BFS而短程的时候用Astar，但是这并不总是合适的，因为Astar并不是因为路程长才耗时，而是因为地形复杂，而地形复杂又没有一个可以衡量的指标，只能人为的去判断，所以最多我们通过人为的配置来选择寻路的方式。
